针对传统的机器学习方法无法有效地处理网络入侵时海量、高维、冗余数据的现象,提出了基于主成分分析(PCA)和卷积神经网络(CNN)的入侵检测算法。首先,通过PCA对提取出的高维原始入侵数据进行降维并消除冗余信息,减少了输入数据的维数,然后通过设计的卷积神经网络对正常和异常数据进行分类。在KDD99数据集上的实验结果表明,文中提出的PCA-CNN模型与CNN以及其他的机器学习方法相比,可有效地提高检测的准确率并降低误报率。