物联网的快速发展,给生产生活带来巨大便利。然而物联网设备受限于自身的计算能力、存储能力、网络带宽等因素,加上与之相配套的安全技术未能与其发展速度相适应,使得物联网中存在着大量易被攻击的不安全设备,存在着严重的安全隐患,最直观的体现便是物联网僵尸网络的泛滥,因此本文对物联网僵尸网络流量的检测进行了深入的研究。本文以网络流量分析和神经网络相关技术为基础,针对物联网僵尸网络检测中的数据处理、特征选择以及检测算法三个方面进行了改进和创新,具体内容如下:(1)首先介绍了物联网僵尸网络的发展以及不同家族的僵尸网络的特点,然后详细分析了最为典型的Mirai僵尸网络,继而通过自建Mirai僵尸网络对其网络流量进一步的分析,并与传统僵尸网络进行对比,总结物联网僵尸网络的特点,为后续检测奠定基础。(2)采用了一种基于卷积神经网络的物联网僵尸网络检测算法。该算法对数据集进行预处理,剔除明显的无关数据,提取网络流量的整体特征作为补充,减少裁剪流量带来的信息损失,然后使用批量归一化技术和正则方法改进卷积神经网络,从而提高了物联网僵尸网络的检测准确率,并且显著提升了检测模型的训练速度。(3)使用了一种基于随机森林的物联网僵尸网络特征选择方法。从原始网络流量中提取统计特征,然后筛选出最优特征子集,剔除了无关特征,最后使用改进的卷积神经网络进行训练,实验表明检测模型的训练速度和泛化能力均有一定的提升。(4)采用了一种将卷积神经网络和长短期记忆神经网络相结合的僵尸网络检测算法。首先分析了卷积神经网络和LSTM的优缺点,通过使用卷积神经网络与LSTM相结合的检测模型分别提取网络流量中的空间特征和时间特征,并且对融合模型的架构进行探索,实验表明该方法具有更高的检测准确率。本文提出的方法能够有效的实现物联网僵尸网络的检测,实验表明算法具有较高的检测准确率和较低的误报率,最后指出本文研究存在的不足以及日后的改进方向。