本发明实施例公开了一种基于HBA及多分支1DCNN的网络入侵检测方法，其包括如下步骤：获取网络入侵数据集；对网络入侵数据集进行预处理；将预处理后的数据集划分为训练集和测试集；构建多分支1DCNN网络入侵检测模型；从训练集和测试集中抽取部分数据，使用HBA算法进行模型超参数的优化，得到模型的最优超参数；将最优超参数作为多分支1DCNN模型的参数，使用划分好的训练集对网络入侵检测模型进行训练，得到待测试的多分支1DCNN网络入侵检测模型；将测试集数据输入到待测试的多分支1DCNN网络入侵检测模型，得到最终的分类结果。本发明实施例的基于HBA及多分支1DCNN的网络入侵检测方法可以在面对数据量大、实时性要求高的网络环境时，获得高准确率、高收敛速度、高训练效率的检测效果。