随着云计算技术和互联网技术的不断发展与完善,网络安全已经逐渐的上升为人们所要关注的焦点问题。在目前信息化时代的快速更替中,网络攻击的方法已经多种多样,其本身攻击规模大、变化快、复杂性强以及种类多的问题急剧上升。分布式拒绝服务（DDoS）攻击就是要让合法的使用者不能正常的去访问所想要的目标资源。那么在这样迅猛发展的信息时代的大背景下,怎么才能有效地防止这样的DDoS攻击和如何解决云计算里面与安全有关的问题就变成了人们想要解决的难点和挑战点。针对以上问题,本文提出了自编码器和受限玻尔兹曼机混合模型下的DDoS攻击检测研究。首先,在大量的网络流量数据中提取主要的网络特征,然后对数据进行处理,为后面的设计模块提供很好的数据来源。其次,对数据预处理完成后进行主要特征选择,针对不同数据集特征选择不同。然后,根据不同维数的数据集选择维度较高、准确率较高的自动编码器层模型,在每两层之间通过设置受限玻尔兹曼机（RBM）来进行组合搭配。通过自动编码器（Autoencoders）的编码层来达到降维的效果,每两层设置受限玻尔兹曼机可以很好地对模型进行调整。选择RBM的优点在于其本身是一种基于能量函数的模型,得到能量函数之后可以利用该能量函数在进行引入一系列相关的概率分布模型。最后,在现有模型的基础上进行参数的修改,使得数据集较好的达到所要得到的输出。最后,通过模型和实验对文中的方法进行功能的测试和性能上的测试之后,验证了系统的可行性和可信性。通过实验结果表明了本文方法通过不同数据集的特征上的选取以及处理,极大程度上减少了学习上的时间,同时也增加了准确率。通过比对现有数据集的各项数据值之后得出模型的实用性。所以基于自编码器和受限玻尔兹曼机混合模型下的DDoS攻击检测研究还是很好的提高了 DDoS攻击检测的预测精度,相比于传统的入侵检测方法具有了很好的适用性和高精度等优势。