1.一种基于关联性神经网络(associative recurrent network，ARN)的物联网入侵检测方法，其特征在于，包括下列步骤：将入侵检测数据初始化为训练数据集与测试数据集；

将所述训练数据集输入基于ARN的入侵检测模型中进行建模，获得训练好的ARN模型；

将所述测试数据集输入训练好的ARN模型，获得检测结果；

将所述检测结果与真实值进行比较，获得对应的比较结果。

2.如权利要求1所述的基于ARN的物联网入侵检测方法，其特征在于，所述基于ARN的入侵检测模型是循环神经网络的变体模型，使用self‑attention学习过去隐藏状态和当前时刻输入信息之间的关系。

3.如权利要求2所述的基于ARN的物联网入侵检测方法，其特征在于，所述基于ARN的入侵检测模型的实现过程，包括下列步骤：x

使用当前输入Xt和过去隐藏状态ht‑1的权重W和 对Xt和ht‑1进行初始化，同时，使当前输入Xt和过去隐藏状态ht‑1具有相同的矩阵维度；

使用stack将过去隐藏状态ht‑1和当前输入ht拼接在一起，构造self‑attention输入数据；

利用self‑attention学习过去隐藏状态ht‑1和当前输入Xt之间的关系，构造互补矩阵h't‑1；

将互补矩阵h't‑1补充到当前输入Xt以实现当前时刻隐藏状态ht的重置。

4.如权利要求3所述的基于ARN的物联网入侵检测方法，其特征在于，所述互补矩阵h't‑1包含当前输入Xt与过去隐藏状态ht‑1相关联的部分，以及过去隐藏状态ht‑1中去除可以由当前输入Xt表征的冗余部分后所剩余的部分。

5.如权利要求3所述的基于ARN的物联网入侵检测方法，其特征在于，重置后的当前时刻隐藏状态ht去除了过去隐藏状态中可以由当前时刻信息表示的冗余部分，并突出显示当前时刻信息中与过去隐藏状态相关联的部分。