Para abordar la alta tasa de falsas alarmas de los sistemas de detección de intrusiones basados en la detección acústica distribuida (DAS) para cables de energía en entornos subterráneos complejos, se propone un innovador modelo de aprendizaje profundo multimodal GRT-Transformer. El núcleo de este modelo radica en su distintiva arquitectura colaborativa paralela de tres ramas: dos ramas emplean el Campo de Suma Angular Gramiana (GASF) y algoritmos de Patrón Recursivo (RP) para convertir las formas de onda de intrusión unidimensionales en imágenes bidimensionales, capturando así patrones espaciales ricos y características dinámicas, y la tercera rama utiliza un algoritmo de Unidad Recurrente Con Puerta (GRU) para centrarse directamente en las características de evolución temporal de la forma de onda; además, se integra un componente Transformer para capturar la tendencia general y las dependencias globales de las señales. En última instancia, el terminal emplea una red de Memoria a Largo y Corto Plazo Bidireccional (BiLSTM) para realizar una fusión profunda de las características multidimensionales extraídas de las tres ramas, lo que permite una comprensión integral de las dependencias temporales bidireccionales dentro de los datos. La validación experimental demuestra que el GRT-Transformer logra una precisión de reconocimiento promedio del 97.3% en tres eventos típicos de intrusión: extracción ilegal, operaciones mecánicas y paso de vehículos, reduciendo significativamente las falsas alarmas, superando los métodos tradicionales y exhibiendo un fuerte potencial práctico en escenarios complejos del mundo real.