入侵检测是当代计算机安全防护系统的关键技术，也是当代安全领域的研究热门。支持向量机近年来也成为了入侵检测领域的一个研究热点，然而传统支持向量机在入侵检测应用方面，其检测精度与训练时间在处理大量数据的时候，由于受到硬件限制，其效果无法令人满意。孪生支持向量机是传统支持向量机的改进，它降低了算法的计算复杂度并减少了训练时间，为入侵检测的发展提供了一种新的契机。本文在分析了经典支持向量机和孪生支持向量机的核心思想的基础上，对孪生支持向量机的算法进行了实现并进行了验证。提出了基于孪生支持向量机的入侵检测模型，并采用孪生支持向量机方法对KDDCUP99数据集进行入侵检测验证，结合实例进行了相关实验测试和结果数据的分析。实验验证了该方法在入侵检测领域的可行性和有效性，与传统支持向量机相比，孪生支持向量机在检测精度、误报率、训练时间方面的表现均有很大提升，准确率提高的同时误报率降低且训练时间减少一半甚至更多，为处理大数据的入侵检测系统提供了有力支撑，也为云计算环境下的移动终端入侵检测提供了一种有效方案。基于以上分析，提出了一种基于云环境的移动智能终端入侵检测解决方案，将基于孪生支持向量机的入侵检测模型应用到此方案当中。方案的核心思想是把对移动智能终端的安全检测转到云计算环境下进行，它针对移动智能终端资源受限的情况，对任务进行了转移，把耗费大量计算能力的入侵检测从移动智能终端转移到云端，移动终端将数据发送给云端，云端对接收到的数据进行入侵检测。将主要工作转移给云很好地解决了入侵检测消耗资源大的问题。之后，利用从移动智能终端已采集到的有关恶意软件的系统调用数据集进行孪生支持向量机的分类实验，并验证了此方法是可行的。