本发明公开了一种基于机器学习的网络入侵检测系统，属于入侵检测技术领域，包括初始样本数据模块、数据获取模块、数据预处理模块、数据存储模块、机器学习模块、入侵检测模块、反馈告警模块和安全管理模块；本发明借助卷积神经网络在图像识别上有较出色的能力，通过将入侵检测问题转换为图像检测问题，从而有利于提高网络入侵行为检测的准确率和检出率，同时降低误报率，能够更加直观的将拦截信息以及网络入侵行为比例反馈给工作人员，提高工作人员分析效率，同时自行对恶意IP地址启动数据拦截，大幅提高计算机运行稳定性。