【摘要】针对当下网络入侵检测问题存在检测效率低、检测精度低问题，研究了人工智能视角下网络入侵检测方法，从主动防御角度，将人工智能技术中的主成分分析方法、卷积神经网络模型，使用于网络入侵检测问题。 此方法首先利用基于主成分分析的网络数据筛选方法，提取特征主成分信息最具显著的网络数据，以网络数据样本的身份，输入基于改进卷积神经网络的入侵检测模型，此模型利用粒子群算法，训练构建合理的网络模型后，由卷积层、池化层完成网络数据特征提取、滤噪后，由全连接层使用 Ｓｏｆｔｍａｘ 分类器完成网络数据分类，输出网络入侵检测结果。 研究结果显示：该方法使用后，网络入侵检测时延最大值为 ０��� ３ ｓ，相比使用前检测时延最大值缩短了 １��� ４ ｓ，且网络入侵检测结果与实际入侵样本数目匹配，网络入侵检测结果无误。