Los modelos de detección de intrusos en redes basados en aprendizaje profundo encuentran problemas en la aplicación de migración. El rendimiento no es tan bueno como se esperaba. En este documento, se propone un método de detección de intrusos en redes basado en confusión de dominio para mejorar el rendimiento de migración del modelo. Se diseña una red de confusión de dominio para la transformación de características basada en la idea de adaptación de dominio, mapeando los datos de tráfico en diferentes entornos de red al mismo espacio de características. Mientras tanto, se propone un regularizador para controlar la pérdida de información en el proceso de mapeo y asegurar que la característica transformada obtenga suficiente información para la detección de intrusos. Los resultados experimentales muestran que el rendimiento de detección del modelo en este documento es similar o incluso mejor que los modelos tradicionales, y el rendimiento de migración en diferentes entornos de red es mejor que los modelos tradicionales.