近年来,为了给乘客提供更好的客舱娱乐服务,越来越多的航空公司将传统的机载娱乐系统与互联网服务相结合,把互联网带来的便利与丰富性延伸到万丈高空的飞行旅途中。然而,机载网络开放性增强的同时也为复杂多变的网络攻击敞开了大门,由于入侵行为威胁到飞行安全、乘客隐私、航空公司品牌形象等,对机载网络安全问题的研究迫在眉睫。首先,本文分析当前国内外研究现状,综合考虑机载网络体系结构特点,提出机载网络入侵检测模型,并从数据获取模块、数据预处理模块、数据分析模块及数据后处理模块4个方面对模型进行模块化设计。其次,为满足机载网络对检测性能的高要求,本文基于深度学习理论对入侵检测方法进行设计与实现。利用深度学习神经网络优秀的特征提取能力以及传统机器学习算法中支持向量机(Support Vector Machine,SVM)出色的分类性能,提出深度置信网络(Deep Belief Network,DBN)与支持向量机相结合的混合检测方法。最后,进行入侵检测仿真实验,分析网络深度、核函数以及训练数据量对本文方法检测结果的影响,并基于实验结果对检测方法的参数进行优化。针对不同入侵行为,提出并联检测方法,并设计实验验证所提出方法对不同攻击类型的检测性能。通过与其它检测方法进行对比实验,验证本文所提出方法的在检测性能上的优越性。