由于网络空间攻击类型复杂多变,入侵检测技术作为一种重要的网络安全技术不断经受着新的挑战。针对入侵检测精度高、速度快的双重要求,本文重点对入侵检测技术、入侵检测基准数据集、小波神经网络(WNN)、布谷鸟算法(CS)和数据降维方法进行了深入研究,提出了一种基于数据降维和改进CS-WNN相结合的入侵检测模型。本文的主要工作如下:针对目前广泛使用的入侵检测基准数据集老旧,不能有效反应当今真实网络流量的问题,本文采用了最新提出的NUSW-NB15数据集作为入侵检测数据集,使模型更具备现实意义。通过对NUSW-NB15数据集进行深入研究,并将其与常用的KDDCUP99数据集进行对比,详细分析了NUSW-NB15数据集优势,并采取了多种方法对其进行处理,使其更适用于入侵检测模型研究。针对小波神经网络中梯度下降算法容易受初始参数影响和传统布谷鸟算法局部精搜能力差、搜索后期容易产生震荡的问题,本文从两个方面对传统布谷鸟算法进行了改进,并将其用来优化小波神经网络的初始参数,提出了改进CS-WNN入侵检测模型。通过在NUSW-NB15数据集上进行仿真和对比实验,验证了本文提出改进布谷鸟算法对模型的优化性能。针对NUSW-NB15数据集维数高、数据量大的问题,分别采用了拉普拉斯特征映射法和特征选择法对数据集进行降维,并将降维后的数据集应用于改进布谷鸟算法优化小波神经网络入侵检测模型,通过仿真实验对比了不同数据降维方法的降维效果,并对降维结果进行了分析,选出了最优的降维方法。仿真实验结果表明,本文提出的基于数据降维和改进CS-WNN入侵检测模型具备良好的精确性、鲁棒性和泛化能力。