物联网从发布到现在,已历经超过十年的发展。最近几年随着5G的兴起,物联网的发展动能更是不断丰富,市场潜力获得产业界普遍认可,物联网技术的发展和相关应用的创新如雨后春笋般涌现。物联网已经成为当今信息产业的重要支柱,也是支撑数字经济发展的关键基础设施。MQTT（Message Queuing Telemetry Transport,消息队列遥测传输）协议是一种基于发布/订阅模式的物联网通信协议,由于其报文小、开销低、可异步传输、简单易实现等优点,已被广泛用于物联网设备的连接。海量设备的连接带来了迫切的安全威胁,然而MQTT协议本身没有复杂的安全机制,对恶意攻击几乎没有控制能力。入侵检测系统是当今网络安全防护措施的重要组成部分,具有主动防御、高可靠性、可拓展等优点。现有的大多数入侵检测系统都是针对于传统网络环境,物联网由于其设备异构、性能较弱、新协议带来新类型的攻击等特点,给入侵检测系统的直接应用带来了很大阻碍,为使用MQTT协议进行通信的物联网研究可靠适用的入侵检测方法显得尤为重要。本文的主要研究内容如下:（1）提出了一种基于集成学习的入侵检测方法,使用梯度提升决策树作为网络流量数据分类模型,并运用一种合成采样的方法消除不平衡数据对分类的影响,对提出的检测模型使用基准数据集进行验证,实验表明,与一些经典方法相比,本方法具有更可观的性能表现。（2）引入长短期记忆网络用于提取数据中的时序关系并组成新的特征,再传入梯度提升决策树模型进行分类训练,从而提出一个长短期记忆网络和梯度提升决策树串行组合的入侵检测方法,实验表明此方法相比于单一的集成学习模型具有更高的检测表现。（3）基于开源组件搭建一个使用MQTT协议进行通信的物联网仿真环境,生成并抓取MQTT流量数据,进行特征处理后构建一个用于MQTT物联网入侵检测的数据集,验证本文提出的入侵检测方法在MQTT数据集下的泛化能力和性能表现,实验表明本文提出的方法对MQTT物联网环境中的入侵检测有效。