随着互联网应用和分布式计算技术的迅猛发展，云计算已经成为一种成熟的网络技术。云计算将大量的计算资源和存储资源整合在一起，形成一个共享虚拟的计算资源池，为计算机用户提供按需服务。云服务的不断普及的同时也面临着越来越多的安全问题，如何加强云服务的信息安全防护，确保网络资源不被黑客人侵而被窃取或恶意破坏，已成为云计算发展形势下中急需解决的重要问题。然而由于云计算是一个异构虚拟的环境，不能将传统的、单一的入侵检测技术直接应用到云计算中，因此，必须开展面向云计算环境的入侵检测技术研究工作，保证云计算服务的信息安全防护能力。本文首先对云计算的定义和特点进行了综述，分析了云计算环境下存在的安全隐患问题，并概括了云环境下遭遇的入侵行为类型。然后通过研究入侵检测技术的特点结合云计算的特性，本文设计了基于BP神经网络的云计算入侵检测系统模型。本文的具体做了以下研究工作：（1）对云计算环境下面临的安全隐患和常见的攻击方式进行了分析，并综述了现阶段入侵检测技术的特点。结合主机入侵检测和网络入侵检测这两种方法，根据云计算特点和安全需求的基础上构建能够适应云计算环境的分布式入侵检测系统模型，一旦云服务网络中存在攻击行为，即可由多代理协同机制检测出来，这就为目前盛行无所不在的云计算服务提供了安全保障。（2）由于云计算环境下入侵检测需要处理海量的数据而且攻击行为变化多端，本课题通过研究神经网络，根据BP神经网络自学习性和自适应性强的特点，将其引入到云计算入侵检测模型的检测模块，BP神经网络可以实时地检测出攻击行为，适用于云计算不断变化的网络环境。而BP神经网络的非线性处理能力可以处理云环境下复杂无规则的入侵行为类型。（3）云计算环境下利用BP神经网络做入侵检测需要对历史数据进行训练才能实现检测目的，由于在云环境下需要处理众多复杂的攻击行为，BP神经网络需要花费大量的训练时间。并且由于神经网络根据梯度下降法进行数据样本训练，很容易陷入局部极小值而无法达到全局最优，从而影响系统检测效率，很难有效的保证云计算环境安全。因此本文通过分析研究人工蜂群智能算法，根据人工蜂群算法全局搜索的特点，将BP神经网络与人工蜂群智能算法相结合，利用改进的蜂群算法优化BP神经网络可以提高分类精度，进而提高网络入侵检测精度。并通过仿真实验分析证明算法的高效性。