A medida que las amenazas de seguridad se vuelven más complejas, la necesidad de sistemas efectivos de detección de intrusiones (IDSs) ha crecido. Los métodos tradicionales de aprendizaje automático están limitados por la necesidad de una ingeniería de características extensa y un preprocesamiento de datos. Para superar esto, proponemos dos modelos mejorados híbridos de aprendizaje profundo, una red neuronal convolucional-autoencoder (Autoencoder-CNN) y una red neuronal profunda-transformer (Transformer-DNN). El Autoencoder remodela los datos de tráfico de red, abordando el desequilibrio de clases, y la CNN realiza una clasificación precisa. El componente transformer extrae características contextuales, que la DNN utiliza para una clasificación precisa. Nuestro enfoque utiliza un muestreo sintético adaptativo híbrido mejorado-técnica de sobre muestreo de minorías sintéticas (ADASYN-SMOTE) para clasificación binaria y SMOTE mejorado para clasificación multiclase, junto con vecinos más cercanos editados (ENN) para un mayor manejo del desequilibrio de clases. Los modelos fueron diseñados para minimizar falsos positivos y negativos, mejorar la detección en tiempo real e identificar ataques de día cero. Las evaluaciones basadas en el conjunto de datos CICIDS2017 mostraron un 99.90% de precisión para Autoencoder-CNN y un 99.92% para Transformer-DNN en clasificación binaria, y un 99.95% y un 99.96% en clasificación multiclase, respectivamente. En el conjunto de datos NF-BoT-IoT-v2, el Autoencoder-CNN logró un 99.98% en clasificación binaria y un 97.95% en clasificación multiclase, mientras que el Transformer-DNN alcanzó un 99.98% y un 97.90%, respectivamente. Estos resultados demuestran el rendimiento superior de los modelos propuestos en comparación con los métodos tradicionales para el manejo de diversos ataques de red.