在海量网络数据且数据不平衡的环境下，为了解决传统入侵检测方法检测性能较差的问题，提出了一种重加权优化自适应合成(reweighted optimized adaptive synthetic, RWO-ADASYN)采样算法与随机森林分类器结合的入侵检测模型。该模型使用RWO-ADASYN算法对UNSW-NB15数据集进行过采样处理，在随机森林分类器中将处理得到的平衡数据集进行训练和入侵检测。实验结果表明，与随机森林分类入侵检测方法相比，所提出的方法在准确率上提高了5.28%,在精确率上提高了9.65%,在F1值上提高了3.75%。