该论文针对入侵检测系统（IDS）在实际运维中误报率高、告警缺乏上下文而导致安全分析人员负担过重的问题，提出并发布了一个新的告警数据集 AIT-ADS。研究背景是多步攻击分析领域虽已发展出告警过滤、聚类、关联以及攻击图生成等技术，但公开可用的基准数据集严重不足，现有数据集要么过时、要么可靠性差、要么只适用于单一 IDS 评估，导致研究难以复现和比较。为弥补这一空白，作者利用三个不同的 IDS 对同一多步攻击的八次执行进行监控，同时模拟正常用户行为，采集并整理了包含告警日志的数据集。该数据集的目的是支持多步攻击分析的研究，特别是攻击图提取、告警关联和攻击场景重建等任务。为验证数据集的可用性，作者使用开源工具进行了攻击图提取实验，证明该数据集能够反映多步攻击的步骤间关联。论文的贡献主要有三点：一是提供了一个公开的、多 IDS 的告警数据集，可供安全研究社区使用；二是详细描述了数据集的构建过程和格式；三是通过攻击图提取实验展示了数据集在攻击分析中的潜在应用。适合从事入侵检测、安全态势感知、攻击建模和告警关联研究的学者与安全工程师阅读，也适合用于评估安全分析工具的真实效果。