入侵检测技术是网络信息安全的核心技术之一,入侵检测本质上是一个模式识别问题。支持向量机是当前模式识别领域的研究热点之一,利用支持向量机进行建模,不仅可以解决推广能力差的问题,而且可以提高入侵检测的检测率,降低虚警率和误报率,提高入侵检测系统的实用性。论文首先针对入侵检测数据维度高、数量大、离散性的特点,把基于核方法的特征提取算法引入到入侵检测中,通过特征提取,滤除噪声数据,提取出能反映不同攻击类型的主要特征,从而降低入侵检测数据的维度,同时也有效地减少了支持向量机的训练与分类时间;然后在CIDF通用入侵检测模型的基础上,提出了基于核方法的CIDF改进模型;最后通过结合KPCA、KICA与LSSVM算法,提出了两种入侵检测的新方法,并通过大量实验证明了本文方法的有效性,在入侵检测的检测率、分类器的训练时间、虚警率等方面都有较大改进。