【摘要】随着大数据、人工智能等网络技术在人们生产生活中的常态化应用，网络流量安全成为当前亟待解决的问题。 本文提出了一种基于深度学习的网络流量异常检测算法优化方法。 采用卷积神经网络（ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ＣＮＮ） ＋长短期记忆（ ｌｏｎｇｓｈｏｒｔ⁃ｔｅｒｍ ｍｅｍｏｒｙ，ＬＳＴＭ）网络组合模型进行局部特征提取和时间序列建模，并通过数据增强和生成对抗网络（ ｇｅｎｅｒａｔｉｖｅ ａｄｖｅｒｓａｒｉａｌｎｅｔｓ，ＧＡＮｓ）扩展训练样本，提升模型的泛化能力。 实验选用了入侵检测数据集（ＮＳＬ⁃ＫＤＤ）和入侵检测评估数据集（ＣＩＣＩＤＳ ２０１７）进行评估，结果表明：该模型在