随着计算机网络的普及和通信技术的飞速发展，信息资源极大充足，便利了人们的日常生活，同时信息的保密性和安全性也受到了极大的挑战，攻击工具的增加、使用的简便性更为计算机入侵提供了可能性。传统的安全手段已经不能满足现代网络安全的发展要求，而入侵检测系统作为第二道防线，以其“动态性”，“实时性”和“主动性”，在近年来得到了广泛的研究。 IDS分析引擎的设计与人工智能有很大联系，许多先进技术应用其中，包括数据挖掘、聚类、神经网络等，在对入侵检测技术作大量研究的基础上，本文主要讨论了模糊技术在IDS中的应用。 本文首先对模糊技术在入侵检测中应用的可能性做了理论分析，与经典数学相比，模糊集合能够将一个特征模糊化为多个特征来描述客观事物，因此能够解决实际网络进攻的复杂，多变和不确定等问题，从而提高检测率，降低误警率。 在理论分析的基础上，主要做了两方面的实验：1.在经典算法的基础上加入模糊概念，主要研究了模糊C—均值聚类算法在入侵检测中的应用;2.将整个入侵检测分析引擎作为一个模糊系统，提出进化模糊分类算法，实验结果表明算法是可行的，且有一定优越性。