针对传统蜜场存在性能、安全性和保真度相互制约的问题,本文结合Openstack云计算平台提出了一种新型的蜜场方案。借助Openstack的资源调度和弹性计算的特点,设计了具有低转发延迟、灵活流量控制策略的蜜场网关以及具有快速克隆机制的虚拟机监控器,它们共同组成了新型的蜜场系统。本文方法的核心是在模拟专用主机执行行为所需的短时间内,将外部请求动态地绑定到物理资源上,并对已建立的连接进行跟踪,以确保其不会造成二次攻击。然后在私有云Openstack平台上对提出的新型蜜场方案进行了验证,选取合理的参数进行仿真实验。通过实验结果分析表明,新型蜜场具有资源利用率高,安全性与保真度高的优点。同时,为了Openstack云平台上业务系统的安全,本文将蜜场与入侵检测系统相结合。对于新型蜜场架构中的入侵检测系统,为了解决现有入侵检测技术的性能高度依赖于特征设计以及高误报率的问题,本文提出了基于分层时空特征的入侵检测系统。该入侵检测系统将卷积神经网络和长短期记忆网络结合起来用于学习原始网络流量数据的时空特征。与传统使用基于手动设计特征的深度神经网络的方法不同,该入侵检测系统可以直接利用深度神经网络从原始网络流量数据中学习特征,然后获得更好的流量特征集使得入侵检测系统更加高效。仿真结果显示,基于分层时空特征的入侵检测系统相比现有的系统提升了检测率,降低了误报率。