本发明公开一种适用于深度学习的通信数据编码方法，对流级通信数据进行预处理，聚合成IP通信对，再对IP通信对内的Flow记录进行排序，并抽取出需要编码的字段及对应的属性值序列；基于金字塔池化方法对各属性值序列进行编码，拼接成原始的特征向量；对形成的原始特征向量进行归一化处理，并应用到深度神经网络中进行验证。本发明能够自动将任何长度的Flow序列编码成定长的原始特征向量，使这类不规则的异构通信数据能够应用于深度学习的场景中；在不需要专家知识介入的情况下，能够充分保留通信行为在时间和空间方面的特性，从而使编码后的数据能够充分代表节点之间的通信特征，从而应用到各类通信行为分析任务中。