近年来,随着计算机技术的快速发展和互联网的高度普及,网络已经成为了信息交互的一个不可或缺的载体。然而网络环境也越来越复杂,安全问题也日益突出。网络攻击要是成功入侵,不仅仅会造成数据的丢失,更会引起重大的安全问题,给社会和国家带来重大的生命财产损失。越来越多的企业正在引入网络入侵检测/防御系统(NIDS/IPS:Network Intrusion Detection/Prevention System)来监控网络流量,他们希望通过这些系统来查看系统内是否发生了异常和误用等攻击性的操作。然而,网络逃避能够掩盖攻击以避免网络入侵/防御系统的检测和阻止。网络逃避是一种通过掩盖数据流量来混淆网络入侵检测系统的方法。网络逃避可以应用于正常的流量当中,只要传输机制成功获得对受害计算机的访问权限,而安全设备未能检测到或响应攻击,则该网络逃避被认为是成功的。面对大量网络流时,目前没有有效的方法来检测网络逃避,所以如何检测网络逃避行为,是目前学术界研究的重点。网络逃避检测旨在区分来自链路层的网络流量是否对网络构成逃避威胁。目前,传统的网络逃避检测方法没有提取网络流的特征,检测精度相对较低。本文从构成高级逃避技术的原子逃避进行了探讨,首先阐述了关于选题的背景跟意义,当前国内外针对网络逃避技术的研究现状,发展以及带来的危害。接着本文全面分析研究逃避技术的实现手段,从TCP/IP层介绍了网络逃避的原子技术。然后,设计并实现了网络逃避数据流样本的生成方法,提出并实现了适合于逃避行为检测的特征提取算法。最后提出了一种基于深度递归神经网络的网络逃避检测算法,用于检测8种原子逃避行为。在测试集上进行的大量的实验结果表明,本文所提出的算法,具有较高的网络逃避行为识别的精度,为互联网以及智能电网内部网络入侵/防御检测系统抵御逃避行为提供了思路。