1.一种基于多尺度特征连接卷积神经网络的入侵检测方法，其特征是，具体包括步骤如下：步骤1、采集网络中的历史数据形成总数据集D；

步骤2、随机从总数据集D中选取部分数据形成抽选数据集D′，并将抽选数据集D′分为训练集STrain和测试集STest；

步骤3、根据入侵数据的真实情况，为训练集STrain和测试集STest中的数据打上入侵类型的标签；

步骤4、将总数据集D中除去抽选数据集D′所剩余的数据组成剩余数据集步骤5、将剩余数据集 中的数据送入初始的基于多尺度特征连接卷积神经网络中进行无监督预训练；

步骤6、在无监督预训练结束时，保留初始的基于多尺度特征连接卷积神经网络中卷积层的所有参数W；

步骤7、将步骤6所得到的卷积层的所有参数W加载回初始的基于多尺度特征连接卷积神经网络的卷积层中，得到预训练的基于多尺度特征连接卷积神经网络；

步骤8、将训练集Strain中的数据送入步骤7所得到的预训练的基于多尺度特征连接卷积神经网络中进行监督训练；

步骤9、在监督训练过程中，使用反向传播算法训练网络参数，每隔一定的训练批次使用测试集STest中的数据验证网络的正确率，当正确率达到设定的阈值时，则将当前预训练的基于多尺度特征连接卷积神经网络中各层的所有参数Wa保存下来；

步骤10、将步骤9所得到的各层的所有参数Wa对应加载回预训练的基于多尺度特征连接卷积神经网络的各层中，得到最终基于多尺度特征连接卷积神经网络；

步骤11、当需要进行网络数据的入侵检测时，将需要检测的网络数据送入步骤10所得到的最终基于多尺度特征连接卷积神经网络中，即预测得到的入侵检测结果。

2.根据权利要求1所述一种基于多尺度特征连接卷积神经网络的入侵检测方法，其特征是，步骤1中，总数据D和剩余数据集 中的数据均为无标签数据。