智能家居的加入使得家庭无线局域网的功能日益复杂,不再止步于提供互联网接入,而逐渐向智能家居无线局域网演进。然而,与企业无线局域网不同,智能家居无线局域网属于家庭消费品,没有专业人士对其进行安全维护,但其安全隐患不容忽视。因此,为防止家庭隐私泄露并减少网络犯罪,需要对智能家居无线局域网的入侵检测技术进行研究,提供对原生安全机制的补充。目前业界对智能家居无线局域网入侵检测的研究还存在诸多不足,其具体表现在:1)某些工作采用朴素贝叶斯分类器等容量较低的模型,对网络数据的拟合程度不足,检测精度不高;2)部分研究选择的检测特征过于简单,容易出现严重的过拟合问题,导致实际检测精度下降;3)大多数研究采用仿真进行验证,未使用实测数据;4)现有研究工作没有针对智能家居无线局域网领域的解决方案。为此,本文选用合适的特征和模型针对智能家居无线局域网进行实证研究,主要工作如下:1)在充分研究分析802.11标准及其实现、智能家居无线局域网组网方式和相关入侵手段的基础上,针对智能家居无线局域网的通信特点进行了实测实验,分析了智能家居无线局域网通信数据流量特征和网络拓扑结构稳定性等特点。基于分析工作,设计了用于智能家居无线局域网入侵检测的特征提取方法,解决了检测特征过于简单的问题,并通过部署实验网络模拟真实应用场景构建了相关数据集。2)为更好地表达无线局域网的状态信息,提出了无线局域网流量序列模型。采用大容量的循环神经网络(Recurrent Neural Network,RNN),提出了基于流量序列分类的RNN无线局域网入侵检测方法。根据实验对比,该方法比相关研究中最新的基于堆叠自编码器的入侵检测方法在检测性能上提高了约11.15%。3)运用基于RNN无线局域网入侵检测方法,采用“云+终端+控制端”的智能家居部署形式,设计并实现了用于智能家居无线局域网入侵检测的智能家居原型系统。综上所述,本文提出的基于流量序列分类的RNN无线局域网入侵检测方法具有较高的检测精度,并通过原型系统弥补了现有理论研究的缺陷,有利于降低智能家居的安全风险,打消人们使用智能家居的顾虑,从而推动智能家居和物联网的普及发展。