本发明公开了一种基于多层分类策略的随机森林入侵检测方法，首先对入侵检测数据进行预处理，然后计算预处理后的测试集中每个样本类别间的相似度，根据相似度将特征相似的类聚集为超类，通过随机森林的算法进行分类；该层分类完成后，再将超类继续送入下一层中重新划分超类，直到所有类别分类完毕。本发明以随机森林作为基本单元构建多层模型，通过在不同层划分出不同的超类，每一层使用不同的特征选择算法，使每一层的样本划分都能够匹配最适合的特征子集。与随机森林入侵检测相比，本发明的入侵检测方法能够解决样本类别分布不均匀的问题，提升对小样本类别分类的准确率。