本书将深度学习与入侵检测相结合，利用深度学习强大的特征表示和学习能力获取数据特征，并从数据的空间和时间维度检测网络攻击。具体而言，本书利用图卷积神经网络、图注意力网络、稀疏自编码器、残差网络、深度信念网络以及傅里叶变换、离散傅里叶变换与快速傅里叶变换等方法开发了ResLSTM、SENet、MGNN、LOGNN、DFNNB、TFNN_HL、BT-TPF等多个网络入侵检测模型，在常规互联网、物联网、CPS等应用场景上都取得了良好的检测效果。