本发明涉及一种基于XGBoost的网络异常入侵检测方法和系统，该方法包括网络访问数据预处理，在入侵检测流程中，将文本进行编码，输入最长文本串的填充，同时将数据集切分为训练集和测试集；模型构建，建立基于决策树的XGBoost模型；模型训练，对模型进行优化训练。本发明通过集成学习方法，将弱分类器集成，与传统集成学习方法相比，在树的复杂度上增加了一个正则化算子，使用损失函数的二阶近似，而非线性近似，在中间节点进行特征选取，使得现有发明在网络访问流量的检测性能和效率更加强大。