随着计算机网络技术的普及和发展,人们的生活和学习方式都发生了巨大的变化,将人们带入到信息化的时代,与此同时,网络安全方面所显露出来的问题也日益突出。入侵检测作为信息安全研究的重要内容,引起了国内外的广大关注。传统的入侵检测技术存在误报,漏报以及时效性不高等缺点,因此,本文的研究重点就是如何提高入侵检测系统的性能,具体的工作如下:1)简述入侵检测系统的相关概念、类别、检测过程等,指出目前入侵检测系统急需解决的一些问题,对未来发展趋势进行展望;介绍支持向量机的理论基础,总结出能将SVM应用到入侵检测方面所具备的诸多优势;同时本文也设计了一个基于支持向量机的网络入侵检测模型,该模型包括模块化设计、并行检测,以提高系统整体检测速度。2)简要介绍标准粒子群优化算法的原理和实现过程,针对支持向量机中核函数的参数依靠经验值取值的不足,提出了一种改进的粒子群优化算法,对核参数σ和惩罚因子C进行优化。通过Matlab仿真实验,证明此改进算法提高了基于SVM的入侵检测性能。3)将改进的粒子群优化算法应用到特征选择方面,寻找各类攻击类型的最佳关键特征,消除数据间的冗余信息,能提高系统的检测性能,通过实验证明,此优化方案是可行的。4)提出一种联合优化模型,利用改进的粒子群优化算法对核参数σ、惩罚因子C和41维特征向量的选择问题同时进行优化,通过实验仿真,证明此优化方案是优于单独进行参数优化和特征选择的。