网络入侵检测作为一种主动的安全防护技术具有重要的研究意义和价值。在网络入侵检测中，特征处理方法和入侵检测方法的选择是关键，本文围绕这两个方面展开了深入研究，提高了网络入侵检测的效果和效率。本文主要研究内容包括:　　(1)进行入侵检测特征提取方法研究，提高网络入侵检测的效果和效率。采用NMF方法进行入侵检测特征提取;过程中发现NMF分解结果波动性大只能得到局部最优解，针对该问题提出了采用ICA分解结果来对NMF进行初始化的方法，进而提出了基于ICA-NMF的入侵检测特征提取方法;采用ICA-NMF方法对KDD CUP99数据进行特征提取，用实验验证了ICA-NMF方法的误差和波动性要小于基本NMF方法，并对提取特征进行了分析。　　(2)进行入侵检测方法研究，提高网络入侵检测的效果。考虑到入侵检测是一个多分类问题，文中构建了基于类型编码的LSSVM多分类器;针对LSSVM对超平面附近样本分类结果不理想的问题，采用了融合LSSVM和KNN的方法，提出了基于类型编码的LSSVM多分类器中阈值区域内样本的判定方法;使用KDD CUP99数据验证了KNN-LSSVM入侵法的检测正确率要优于LSSVM方法。　　(3)综合ICA-NMF特征提取方法和KNN-LSSVM入侵检测方法实现了网络入侵检测，用实验验证了经ICA-NMF特征提出后的入侵检测在效果和效率上都优于没有进行特征提取时。　　本文介绍的基于ICA-NMF和KNN-LSSVM的入侵检测技术提高了网络入侵检测的效果和效率，在KDD CUP99数据集上进行的入侵检测正确率最高达到97.01％。