随着计算机网络技术的飞速发展和广泛应用，网络入侵造成的安全问题正日益成为人们关注的焦点。传统的被动防御措施，如防火墙技术、数据加密等，已经不能完全阻挡入侵者的脚步，而具有主动防御特征的入侵检测技术逐渐成为网络安全系统中极其重要的部分。近几年来，关于入侵检测技术的研究发展很快，从早期的集中式入侵检测系统发展至现在的分布式入侵检测系统。但随着网络向高速化、分布化、多元化等方向的发展，新的攻击方法层出不穷，入侵检测技术还面临很多问题和不足，尤其是现有的入侵检测系统大多存在误报和漏报率高、检测效率低等问题。针对这些问题，国内外研究人员正在积极的研究，采用新技术、新方法来完善或重建新的入侵检测系统，并把其他领域的一些概念和方法引入到入侵检测系统中来，其最显著的特点是入侵检测系统朝着人工智能方向发展。本文将一种协同进化遗传算法(Co-evolutionary Genetic Algorithm，CGA)应用于入侵检测技术中，完成了包括编码，适应度函数的设计，遗传操作等研究工作，并将基于协同进化遗传算法的检测模块结合到了入侵检测系统中。研究结果表明：协同进化遗传算法较一般遗传算法的收敛速度更快、求解的质量更高，将其应用于入侵检测技术中，不但可以加强特征库的更新与优化，不断提高特征库规则质量水平，缩短匹配的时间来达到快速的响应，而且能提高入侵检测系统的准确性，降低误报率和漏报率。