機械学習型NIDSの実運用で外部データを学習に用いる際、実運用環境とのドメインシフトが障壁となる。本研究は公開データを活用した実環境での検知精度向上を目的とする。ラベルごとのドメインシフト抑制のため、NII-SOCSとCIC-IDS2017データセットを用いたオートエンコーダによる混合事前学習とファインチューニングを組み合わせた手法を提案する。さらにK-meansで実環境に近い実験データを選抜し、効率的でより乖離を低減した転移学習の有効性を検証する。NII-SOCSのみを用いたベースラインと比べて、提案手法は負の転移を抑制し、外部データの知識を有効活用して識別精度を向上できることを確認した。