网络入侵检测系统在网络安全中占据重要位置。然而，面对现代网络的复杂变化，人们对于入侵检测系统的需求不仅仅只停留在较高的准确率方面，对检测效率也提出了更高的要求。随着数据维度和数量的不断提高，训练时间也随之增长。同时，入侵检测系统对于小样本数据检测的准确率较低。针对这些问题，改进了过采样算法，提出一种新的基于CNN-NSVM的入侵检测模型，将深度神经网络与浅层分类器相结合，融合了多层卷积神经网络和多类支持向量机算法。实验结果显示，相比其他方法，显著减少了训练时间，提高了不平衡数据中小样本检测的准确率。