本发明提供了一种网络请求数据分类模型训练方法、分类方法及存储介质，训练方法包括步骤：获取多条网络请求数据，并提取各条网络请求数据中的特征数据；采用预设的特征数据匹配规则对网络请求数据中的特征数据进行匹配，获得每条网络请求数据中特征数据的数量匹配结果；采用各条合法请求数据的请求地址数据对预先构建的隐马尔可夫模型进行训练，获得第一计算模型；采用第一计算模型计算请求地址数据的文本序列生成概率；根据数量匹配结果和文本序列生成概率生成各条网络请求数据的特征向量，采用特征向量训练预先构建的第一逻辑回归模型，获得第二计算模型。本发明从多个维度对网络请求数据进行分析，有效提高了网络数据分类的准确性。