本发明公开了一种基于长尾类增量学习的网络流量分类方法。包括：长尾数据预处理与加载，解析流量并移除无效特征，采用经验重放技术帮助流量分类模型回忆旧类别知识，并通过类均衡采样平衡流量类别分布，生成类别分布平衡的数据集，避免流量分类模型产生分类偏差；在此基础上，增量模型构建与训练，通过多头知识蒸馏损失将旧模型知识传递至新模型，在不遗忘旧知识的同时学习新类别带来的信息，通过多阶段学习分别训练特征提取器与分类器，实现新旧类别攻击的高精度分类。本发明能够从分布不平衡的流量中增量学习新知识，仅使用少量旧类别样本就可以实现全流量类别的准确分类。