【摘要】互联网在生活和生产中起到了越来越重要的作用，网络安全问题也日益突出。 为了通过对网络流量数据进行深入分析来进一步提升网络安全性，本研究提出一种基于卷积神经网络－长短期记忆网络（ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ － ｌｏｎｇ ｓｈｏｒｔ⁃ｔｅｒｍｍｅｍｏｒｙ，ＣＮＮ⁃ＬＳＴＭ）的检测方法。 首先，分析了 ＣＮＮ⁃ＬＳＴＭ 结构在特征提取与时间序列建模中的数学原理，并通过结构化设计实现对异常流量的精准检测。 其次，研究了 ＡｄａｍＷ 优化算法的核心机制，通过权重衰减抑制模型的过拟合，并结合梯度更新策略提高模型的收敛效率。 最后，在网络安全实验室知识发现与数据挖掘（ｎｅｔｗｏｒｋ ｓｅｃｕｒｉｔｙ ｌａｂ⁃ｋｎｏｗｌｅｄｇｅ ｄｉｓｃｏｖｅｒｙ ａｎｄ ｄａｔａ ｍｉｎｉｎｇ，ＮＳＬ⁃ＫＤＤ）数据集上进行验证，结果显示，所提方法在准确率、精确率、召回率及 Ｆ１ 值等多个指标上均显著优于标准 Ａｄａｍ 方法，展现出良好的应用潜力。