本发明涉及一种基于胶囊网络的工业互联网入侵检测方法，属于互联网安全技术领域。首先对数据进行图像化处理以便于识别抽象特征，而后使用超深度卷积神经网络构建特征提取前端，同时引入全局平均池化层提高提取特征图的质量。在此基础上引入动态路由算法，通过迭代的方式对入侵数据特征进行聚类，在胶囊网络模块完成对各种攻击的检测分类。本发明使用多个池化层大幅减少数据维度，降低算法的空间复杂度。在反向传播（ BP）过程中使用Adam方法作为优化算法，动态调整模型训练学习率，保证模型的平稳收敛以达到最优效果。与现有技术相比，本发明在工业互联网联网入侵检测中检测准确率高，有更低的误报率和漏报率。
