随着计算机科学的发展，互联网作为信息社会的重要基础设施，已经成为未来知识经济的支撑环境并渗透到了许多领域，成为社会生活不可或缺的一部分，全球信息化也成为必然的趋势。但是网络的飞速发展也带来了更多的安全隐患，对信息安全问题提出了严峻的挑战。人们已经认识到了保证网络安全的紧迫性与重要性。　　 入侵检测作为一种主动的信息安全保障措施，有效地弥补了传统安全防护技术的缺陷。通过构建动态的安全循环，可以最大限度地提高系统的安全保障能力，减少安全威胁对系统造成的危害，网络入侵检测系统成为一个重要的发展方向。入侵检测系统分为异常检测和误用检测两个方面，两者具有不同的原理和实现方法。此外，随着计算机、数学等领域相关知识的融入，入侵检测技术具有了更多的智能性，结合了神经网络、数据挖掘等前沿算法的检测模型层出不穷，使入侵检测成为一门非常具有活力和价值的研究领域。　　 本文利用小波变换在信号处理方面的时频分析特性，研究了基于小波变换的入侵检测方法。基于实际网络流量数据，在对小波系数偏差值算法和能量分布比算法进行仿真实现之后，针对其中存在的问题，提出了改进的小波系数偏差算法和小波系数局部方差算法，经仿真实验证明算法具有较好的异常检测性能，适用于入侵检测系统中。此外，将专家系统理论应用到网络入侵检测中，结合已有的误用知识特征，训练特征规则库，并利用真实的网络环境检测规则库的性能。最后，将基于小波分析的异常检测与专家系统为基础的误用检测相结合，彼此取长补短，使得入侵检测系统的功能更全面，既可以精确判别入侵类别，又具有一定的对部分未知入侵的检测能力。