雾计算是一种面向物联网（Io T）的分布式计算基础设施,已广泛应用于我们的日常生活当中。雾节点作为一个中介者提供终端用户请求的本地处理,并减少终端用户与云端的通信延迟。然而,雾计算的兴起也带来了更严峻的安全问题。首先,由于雾计算节点资源受限,一旦遭到入侵,雾节点面临的威胁会远远大于云计算节点;其次,由于雾计算节点在网络中的拓扑位置更低,离终端设备的距离更近,遭到入侵的雾节点也会进一步影响边缘设备的安全。传统的入侵检测及响应方法延时高,能耗大且受网络带宽的限制,会对雾节点的实时性以及稳定性造成影响,不适用于雾计算。因此,必须找到有效的入侵检测以及响应方法来保护雾节点的安全。本文结合雾节点资源有限,低延时的特点,分析雾计算环境下的入侵行为,并提出能够适用于雾节点的入侵检测模型以及动态决策响应方法。主要研究内容如下:（1）面向雾计算节点的入侵检测模型构建。针对雾计算节点面临的网络威胁,提出一种基于支持向量机孤立森林（Support Vector Machine Isolation Forest,SVMIF）的两层混合入侵检测模型,并使用改进粒子群优化算法（Modified Particle Swarm Optimization,MPSO）对支持向量机（Support Vector Machine,SVM）分类器中的惩罚参数和尺度参数进行优化,获得最优初始化参数。模型第一层使用训练好的SVM二分类器进行分类,第二层使用孤立森林算法对上一层分类出来的流量进行异常检测并重新标记分类,进一步提高入侵检测的准确率。（2）基于安全策略决策的雾节点入侵响应方法研究。在分析雾计算节点入侵行为的基础上,对雾节点攻击行为进行建模,提出一种基于安全策略决策的雾节点入侵响应方法。使用贝叶斯攻击图提取所有的攻击路径,并根据贝叶斯攻击图生成备选响应策略集。考虑到传统决策方法的局限性,提出基于改进非支配排序遗传算法（Improved Non-dominated Sorting Genetic Algorithms-II,INSGA-II）的安全决策方法,从策略空间中求解最优响应策略集。（3）设计并实现面向雾计算节点的入侵检测及响应系统。在系统设计的基础上,以微服务化开发的思想,并按照雾节点入侵检测和响应的流程,分为数据采集与处理、入侵检测、入侵响应、数据存储和可视化模块进行系统的开发,最后对每个模块进行测试,证明该系统的有效性和可靠性。