一种基于SSA优化的可持续集成入侵检测方法，涉及一种网络入侵检测方法。本发明所述方法包括以下步骤：选择标准入侵检测数据集作为训练集和测试集。对数据进行预处理，预处理后的数据通过SSA来搜索使得模型分类性能最大化的特征子集。然后使用包含相应的特征子集的训练集对不同的模型进行训练，预测结果通过自适应集成决策过程来结合。最后使用测试集进行测试。本发明解决了目前基于机器学习模型的网络入侵检测方法面对复杂多类别流量数据分类困难，以及难以获取使得模型最优化的特征子集等问题。本发明可有效检测复杂的多类别流量数据，与传统入侵检测方法相比，具有较高的检测精度，同时本发明还具有可持续集成的特点，可不断集成新的ML模型以优化现有模型。