网络入侵检测是网络安全领域的重要课题，传统的机器学习检测算法以特征提取和特征分离为基础，存在检测能力不足和误报率高等问题。本文提出一种基于深度学习的网络入侵检测模型IDNet。其综合考虑流量数据中的空间特征和时间特征。首先使用卷积神经网络(CNN)提取流量数据的空间特征，然后通过递归神经网络(RNN)提取流量数据的时间特征，通过堆叠CNN+RNN模块，并逐步增加学习粒度，达到同时有效提取空间特征和时间特征的目的。试验结果表明，所提算法检测准确率和误报率均优于传统机器学习算法。