随着计算机网络的快速发展,安全已经成为现代计算机系统面临的重要问题。入侵检测系统能够用于检测各种形式的入侵行为,是安全防御体系的一个重要组成部分。论文主要研究混合智能模型及在入侵检测中的应用,完成的主要工作包括:论文第一部分,简要介绍了入侵检测的基本概念、基本步骤及发展趋势,分析了入侵检测系统的主要功能、入侵检测系统的分类以及入侵检测技术目前存在的问题等,并讨论了混合智能模型在入侵检测中应用的可能性。论文第二部分,在研究包括神经网络树,多目标优化神经网络树,多模板匹配神经网络树,特征自组织学习神经网络树,最近邻多层感知器神经网络树等神经网络与决策树的混合智能模型基础上,提出基于混合智能模型的入侵检测方法,应用DARPA数据库的实验结果表明所提方法优于神经网络入侵检测方法。论文第三部分,首先在研究回声神经网络设计及学习算法基础上,提出回声神经网络树(ESNTree)设计方法,并详细分析了ESNTree分类性能。其次提出基于ESNTree的入侵检测方法,应用KDD’99数据库的实验结果表明,所提方法在检测率、虚警率等指标方面优于最近提出的基于支撑向量机及数据挖掘等入侵检测方法。