摘要
本发明涉及一种融合多任务与迁移学习的轻量级网络入侵检测方法，包括：获取待检测流量数据；将所述待检测流量数据输入多任务入侵检测模型，判断待检测流量是否异常、对异常流量进行分类并预测网络流量的性能指标，其中，所述多任务入侵检测模型基于预训练的轻量化深度学习模型构建并通过训练集训练获得，所述训练集包括标记为正常流量或异常流量、攻击类别和连续值的二维图像数据。本发明实现了异常检测、攻击分类和性能预测等任务的协同优化，显著提升了检测的整体性能，同时，迁移学习利用预训练的轻量化深度学习模型，在数据有限的情况下，依然能够实现高效且精准的网络流量分析。
