为保障医院信息网络的安全管理，避免医疗信息泄露，提出了基于深度生成模型的医院网络异常信息入侵检测算法。采用二进制小波变换方法，多尺度分解医院网络运行数据，结合自适应软门限去噪系数提取有效数据。运用最优运输理论中的Wasserstein距离算法与MMD(Maximun Mean Discrepancy)距离算法，在深度生成模型中，对医院网络数据展开降维处理。向异常检测模型中输入降维后网络正常运行数据样本，并提取样本特征。利用深度学习策略中的Adam算法，生成异常信息判别函数，通过待测网络运行数据与正常网络运行数据的特征对比，实现医院网络异常信息入侵检测。实验结果表明，算法能实现对医院网络异常信息入侵的高效检测，精准检测多类型网络入侵行为，为医疗机构网络运行提供安全保障。