入侵检测系统是网络安全研究中的一个重要方向，作为防火墙之后的第二道安全防线，入侵检测系统能够发现网络入侵行为，和防火墙一起组成立体防御体系。入侵检测技术分为误用检测和异常检测两类，由于异常检测必须跟踪和更新系统或用户的行为特征，因此计算量大。通常采用机器学习的方法解决异常检测的计算量较大的问题，本文采用支持向量机方法，支持向量机是一种基于结构风险最化的分类和预测算法。入侵检测问题本质上是一个分类问题，如果把多类分类问题转化为多个两类分类问题，我们就可以应用支持向量机解决攻击分类。本文在分析现有入侵检测、支持向量机技术基础上，对基于支持向量机的纠错输出编码多类分类方法进行了研究，并对基于支持向量机的入侵检测系统进行了设计，取得了以下成果：●结合Hadamard矩阵和支持向量机，使用纠错编码输出方法解决入侵检测的多类分类，并给出了具体实现算法。●参考通用入侵检测框架，设计了一个基于支持向量机的入侵检测系统模型，并实现了部分模块。●实现了多种多类分类方法，针对KDDCUP 99数据集进行了测试实验，实验结果表明，基于Hadamard矩阵的纠错编码输出方法具有比较好的分类效果。