本发明公开了一种基于域变换与深度学习的DGA域名分类方法，包括数据域变换模块和数据识别分类模块；数据域变换模块将已有DGA域名转换为注意力机制递归图像；数据识别分类模块对DGA域名转换得到的图像进行识别分类。本发明将注意力机制与递归图转换算法相结合，提出了一种序列数据可视化表征通用方法，能丰富数据相空间特征，并差异化表征重点相空间特征。基于数据维度变换表征，构建了轻量级神经网络的DGA域名分类模型，模型能在保证分类识别的准确性的同时，有效降低了分类泛化误差以及模型文件的大小。本发明为解决DGA域名快速、准确分类问题提供了新的思路和解决方案，可广泛应用于包括资源有限的物联网终端等多种业务场景。