近年来，美海军对无人系统的综合卫星-地面网络（ISTN）架构表现出兴趣。随着卫星网络的发展和越来越多的无人系统网络的连接，安全和隐私是ISTN的主要问题。在这篇论文中，我们专门为ISTN开发了一个网络入侵检测系统（NIDS）。我们确定了NIDS在ISTN架构中的关键位置，并使用决策树机器学习算法对各种威胁载体进行网络攻击检测，包括分布式拒绝服务。决策树算法被用来对攻击流量和良性流量进行分类和隔离。我们使用文献中提供的开放源ISTN数据集来训练我们的算法。决策树使用不同的分割标准，不同的分割数量，以及使用主成分分析（PCA）来实现。我们操纵训练数据的大小和数据特征的数量以达到合理的假阳性率。我们表明，我们基于决策树学习的NIDS框架可以有效地检测和隔离不同的攻击数据类别。