如何有效识别工业物联网入侵攻击行为是一个新挑战.针对工业物联网中入侵检测特征提取不高、检测效率低、适应能力差等问题，提出一种基于深度学习的工业物联网智能入侵检测方法.首先，在数据处理上改进采样算法用于调节少数类别样本数量，提高检测精度；其次，构建堆叠降噪卷积自编码网络提取关键特征，结合卷积神经网络和降噪自编码器，加强特征识别能力；为了避免信息丢失和信息模糊，改进池化操作以增加其自适应处理能力，并在模型训练过程中采用Adam算法获取最优参数；最后，采用NSL-KDD数据集测试提出方法的性能.实验结果表明，该方法相比现有的RNN、DBN和IDABCNN的准确率分别提高了3.66%、4.93%和4.6%；与未经采样算法的SDCAENN试验对比，U2R和R2L的检测精度分别提高17.57%和3.28%.