随着互联网技术的飞速发展，网络的应用也变得更加广泛，保护网络的安全已经成为一件非常迫切且重要的事情。传统的入侵防御技术如防火墙、数据加密以及虚拟专用网等被动防御技术在面对日益复杂的网络攻击及恶意软件时已经不能很好地起到保护网络的作用。而入侵检测作为一种积极主动的防御技术，可以在系统遭受损害之前检测出威胁并对其作出响应，有效的弥补了传统防御技术的缺陷。因此入侵检测系统（IDS）已经成为构建安全产品当中一个不可或缺的重要组成部分。本文主要是对计算智能技术中的粒子群优化算法和自组织映射神经网络在入侵检测中的应用进行了研究，具体如下：①对粒子群优化算法（PSO）的收敛性进行了研究，将混沌机制引入到PSO算法中，提出了混沌粒子群优化算法（CPSO），引入早熟判断机制来确定PSO算法是否处于局部最优的状态，如果是的话便对粒子群中的最优粒子进行混沌搜索，可有效的解决PSO算法陷入局部最优而无法重新搜索的问题，最后使用CPSO算法作入侵检测。②对粒子种群的多样性进行了研究，提出了基于混合搜索行为的多种群粒子群优化算法（MPSO），MPSO利用具有混合搜索行为的多个子种群来保持种群的多样性，并且根据种群的多样性，采用一种自适应重新初始化机制。当种群的多样性低于一个预先设定的值时，便认为算法进入了局部最优状态，重新初始化粒子位置，使之能够在新的区域重新搜索，有助于算法收敛到全局最优，最后使用MPSO算法作入侵检测。③对自组织映射（SOM）神经网络进行了研究，提出使用CPSO算法来选取SOM网络的初始连接权值，解决了SOM算法对初始值敏感的问题，并使用基于CPSO优化的SOM网络（CPSO-SOM）作入侵检测。