入侵检测技术是网络安全领域中一种重要的防护技术,在动态监控与网络流量分析等方面起到了至关重要的作用。近些年,随着交叉学科的发展,通过借鉴生物免疫学而建立的人工免疫系统技术成为了入侵检测领域一项新的研究热点。而基于危险理论的树突细胞入侵检测模型更是以轻量的检测规模、较强的异常检测能力、无需大量训练成本等优点,迅速跻身入侵检测技术的研究前列。在云计算这种新型计算模式逐渐被业界和大众所认可的过程中,伴随而来的还有网络数据规模的空前增长带来的大规模入侵数据的相关处理难题,这使得云安全领域面临着巨大的挑战。如何解决云环境大背景下的入侵检测,需要研究者在传统网络入侵检测技术的基础之上开展新的思路。本文详细讨论了云计算环境中入侵检测问题所面对的挑战与入侵检测系统的设计需求,并提出一种云计算环境的入侵检测架构CIDaaS。该架构核心思想是“入侵检测即服务”。在对比响应性时间的实验结果中,验证了模型在云环境中部署的可行性。本文的一个核心研究对象是云环境综合性能日志,该日志来源于Open Stack IaaS云。相关数据维度直接反映了以“虚拟化”为核心技术的云环境在面对入侵攻击时所能具现化的有效研究指标。课题将围绕该数据进行详细的数据预处理分析,并用于入侵检测模型的测试实验。本文重点围绕树突细胞入侵检测模型而展开研究。分析了模型的原理,讨论了模型的优势和局限。为了解决模型的实时性局限和多模型结合的局限,进行了实时性处理的分析、结合孪生支持向量机提出了实时树突孪生支持向量机RDC-TWSVM。在传统平台的实验中,将模型基于KDD进行训练,并将训练后的模型基于云综合性能日志进行测试,实验结果验证了改进后模型的有效性及其优质的入侵检测性能。最后,本文完成了入侵检测模型基于Spark云平台的移植。搭建Spark云平台,实现RDC-TWSVM的移植,实验测试了移植模型的时间开销与入侵检测性能。与传统平台对比后发现,移植模型的训练速度和测试速度都有20倍的提升,同时与传统平台具有相当的检测性能,实验结果表明了基于Spark云平台处理云环境入侵检测问题的高效率和可行性。