Con un gran número de conjuntos de datos de detección de intrusiones y una alta dimensionalidad de características, la naturaleza emergente de nuevos tipos de ataques hace imposible recopilar datos de tráfico de red de una sola vez. El método modificado de reducción de atributos de tres vías se combina con un algoritmo de Red Neuronal de Aprendizaje Incremental Autoorganizado (SOINN) para proponer un modelo de detección de intrusiones de red de autoorganización incremental basado en la reducción de atributos de tres vías. La importancia de los atributos se utiliza para realizar la reducción de atributos, y los datos después de la reducción de atributos se introducen en un algoritmo de red neuronal de aprendizaje incremental autoorganizado, que generaliza la topología de los datos originales a través del aprendizaje competitivo autoorganizado. Cuando los datos en streaming se transfieren al modelo, se realiza la operación de inserción interclase o fusión de nodos comparando la distancia inter-nodo y el umbral de similitud para lograr el aprendizaje incremental de los datos en streaming del modelo. El valor de la distancia inter-nodo se introduce en la formulación de actualización de peso para reemplazar la tasa de aprendizaje tradicional y optimizar la operación de ajuste de la estructura topológica. Los resultados experimentales muestran que T-SOINN logra una alta precisión y recuperación al procesar datos de detección de intrusiones.