摘要：针对入侵检测中部分攻击类型检测率低的问题，提出一种基于核学习的入侵检测改进方法。采用核主成分分析（KPCA）对入侵检测中的高维非线性结构数据集进行数据预处理，通过支持向量数据描述（SVDD）构造分类器，对预处理后的数据进行分类。实验结果表明，与已有方法相比，改进方法的检测精度较高、漏检率较低。