Ad Hoc自组织网络，简称Ad Hoc，是由一些具有无线网络接口的移动主机构成的临时性、多跳和自治的，没有网络基础设施，没有中心节点，网络中的节点处于移动状态和网络拓扑结构随意变化的分布式控制网络。　　 没有中心节点、节点计算能力低，使得传统的加密和认证机制无法实现；由于拓扑结构、成员数量、信任关系、网络中产生和传输的数据都是动态的，传统的数据库、文件系统等静态配置的网络安全方案不再适用；由于网络边界模糊，传统的防火墙无从部署。因此，Ad Hoc的安全性已经成为研究的一大热点。　　 网络入侵检测是指在网络中对企图入侵、正在进行的入侵或已经发生的入侵进行识别的过程，是一种主动的网络安全防御措施。入侵检测技术又分为误用检测和异常检测。目前，网络入侵检测的大多数方法都具有检测率较低，误报率和漏报率较高以及实时性较差等缺点，同时需要大量或完备的数据才能达到比较理想的检测效果。　　 本文首先阐述了Ad Hoc自组织网的关键技术和安全性需要，接着又系统介绍了PSO算法和QPSO算法。　　 本文第四章介绍K-Means聚类算法和QPSO算法在Ad Hoc异常检测中的应用。该模型先利用K-Means聚类算法的结果初始化粒子群，聚类过程根据数据向量间的欧氏距离；再通过QPSO算法寻找聚类中心；最后通过在NS-2模拟环境中利用KDD99数据集进行模拟实验，得出的实验结论可以证明该方法是有效的。　　 本文第五章将QPSO算法训练优化后的小波神经网络用于Ad Hoc异常检测。为了测试性能，分别用梯度下降法、PSO算法以及QPSO算法训练优化同一个小波神经网络，通过智能算法对小波神经网络参数进行优化，并用于Ad Hoc网络流量异常检测。在NS-2模拟实验平台上采用KDD99数据集进行的模拟实验证明该方法是有效的。　　 本文第六章在前一章的基础上，引入B-QPSO算法。为了测试性能，在上一章的基础上，分别与梯度下降法、PSO算法、QPSO算法进行比较。在NS-2模拟实验平台上采用KDD99数据集进行模拟实验，得出的实验结论可以证明该方法是有效的。　　 研究工作表明，将QPSO算法结合其他智能算法，应用于Ad Hoc网络流量异常检测中，对Ad Hoc网络异常状态有较高的检测率，同时对正常状态的误判率较低。