【摘要】针对日益复杂的网络安全威胁，本文探讨了基于深度学习的恶意流量检测及攻击识别方法。 本文提出利用自适应提升法和长短期记忆网络相结合的方法以实现更高的检测准确率和攻击识别率，其中自适应提升法用于加权分类器集成，通过迭代优化提高检测性能。 长短期记忆（ｌｏｎｇ ｓｈｏｒｔ⁃ｔｅｒｍ ｍｅｍｏｒｙ，ＬＳＴＭ）则用于建模网络通信流量的时序特征，实现对流量中隐含的攻击模式的识别。 实验结果表明，本文方法与差商算法（ｑｕｏｔｉｅｎｔ⁃ｄｉｆｆｅｒｅｎｃｅ ａｌｇｏｒｉｔｈｍ，ＱＤＡ）和 Ｋ 近邻算法 （Ｋ⁃ｎｅａｒｓｔ ｎｅｉｇｈｂｏｒ，ＫＮＮ）相比，有较高的检测和识别准确率，本方法在恶意流量检测和攻击识别方面具有显著优势，可为网络安全防护提供更准确的参考。