随着网络技术的不断发展和网络应用范围的不断扩大，对网络的各类攻击与破坏也与日俱增，随着网络攻击手段的多元化、复杂化、智能化，单纯依赖防火墙等静态防御已难以胜任网络安全的需要。入侵检测作为一种主动的信息安全保障措施，有效地弥补了传统安全防护技术的缺陷，但是面对不断增大的网络流量、日益更新的网络设施和层出不穷的攻击方式，传统的入侵检测模型越来越暴露出不足。因此，如何对计算机和网络中的非法行为进行主动防御和有效抑制，成为当今计算机安全扼待解决的重要问题。本论文基于上述背景，开展了基于智能计算的入侵检测研究，提出了可用于提高性能的入侵检测算法。本文的创新点是：Ⅰ． 引入了MPM(Minimax Probability Machine)分类算法，结合Boosting集成方法将其应用于入侵检测中，形成了基于多层MPM分类器的入侵检测；Ⅱ．支撑矢量机是一种稳定的分类算法，具有很好的推广能力，为了将其用于大数据量的处理，本文结合免疫优势克隆方法与Boosting集成方法，形成基于特征优化的多层支撑矢量机入侵检测算法，在保证算法性能的前提下，提高了算法的训练速度；Ⅲ．现有的遗传分类方法都是先随机生成规则，再利用数据使规则进化，这样不可避免地在进化过程中会生成没有意义或没有数据支持的规则，且没有考虑到各属性相对于分类的不同重要程度，因此刘静等人提出了组织协同进化分类算法，在保持遗传算法优点的基础上，充分考虑了各生成规则的支持度及各属性的重要度，本文考虑到入侵数据的特点，结合模糊逻辑，形成基于组织协同进化模糊分类的入侵检测算法，提取模糊规则，用于预测新的对象。采用数据集kddcup99进行仿真试验，理论分析和试验结果表明，本文算法是可行和有效的，最终取得了比较好的结果。本文提出的新方法为入侵检测技术的发展提供了一条新思路。