本发明属于网络入侵检测领域,涉及基于深度生成模型和聚类欠采样的网络入侵检测方法。该方法包括以下步骤:S1)对数据集进行预处理和确定采样阈值;S2)采用DCGAES生成模型对少数类样本进行生成;S3)采用DBSCAN聚类对多数类样本进行欠采样;S4)采用Tomek Links剔除数据集中的噪声样本;S5)使用投票分类器(DT+KNN)对平衡前后的数据集进行分类实验。本发明提出一种结合DCGAES生成模型,DBSCAN聚类欠采样以及Tomek Links算法的平衡数据集方法,该方法能够生成高质量的少数类攻击样本,同时去除多数类中的冗余和噪声样本,最终可以得到一个相对平衡且优质的数据集来进行入侵检测,提高少数类攻击样本的检测率。