针对现有的高速网络入侵检测系统丢包率高、检测速度慢以及检测算法对不同类型攻击检测的非平衡性等问题，提出了采用两阶段的负载均衡策略的检测模型。在线检测阶段对网络数据包按协议类型进行分流的检测，离线建模阶段对不同协议类型的数据进行学习建模，供在线部分检测。在讨论非平衡数据处理的各种采样技术基础上，采用改进后的过抽样少数样本合成过采样技术（SMOTE）对网络数据进行预处理，采用AdaBoost 、随机森林算法等进行分类。另外对特征选取等方面进行了实验，结果表明SMOTE过抽样可提高各少数类的检测，随机森林算法分类效果好而且建模所用的时间稳定。
