机器学习的方法在泄漏电缆周界入侵检测领域有了比较好的发展。采集大量的入侵数据，通过机器学习训练模型，可以实现周界入侵检测更高的定位精度和更低的误报率。但是大规模入侵信号数据的缺乏限制了识别的准确率。而人工有效采集标注入侵信号数据极其费时且代价高昂。针对入侵信号数据缺乏的问题，本文引入了图像领域的数据增广方法。实验表明，几何变换增广结合深度卷积生成对抗的增广方法对周界入侵识别准确率的提升达到14.11%,极大程度上缓解了小样本下周界入侵定位精度低的问题，证明了本文增广方法的有效性。