本发明公开了一种基于小样本学习的孪生胶囊网络入侵检测方法，包括步骤：在训练阶段，将充足的不同攻击类型样本和正常网络流量样本通过K均值聚类方法进行聚类；将聚类好的样本，通过无监督子类型抽样方法进行抽样；将抽样好的平衡数据集和从稀缺的攻击类型中收集的数据样本用作孪生胶囊网络的训练集，并进行训练；在测试阶段，将正常流量样本、已知攻击样本和未知攻击样本用作测试集；将训练集用作测试阶段的支持集，然后将已标记样本与测试样本作为输入进行相似性度量；取支持集中与测试样本相似度最高的样本类型作为测试样本的类型，输出其标签；本方案有效的解决了异常网络流量训练数据的稀缺性，并加强了对未知攻击的检测识别。