近年来,随着互联网技术和互联网规模的快速发展以及产生的海量数据,互联网及互联网行业已经成为人们生产生活中不能缺少的重要部分。但是人们在享受互联网带来便利的同时,也遭受着由于互联网而带来的网络安全威胁。针对复杂多样、与时俱进的网络攻击技术,大量的研究将机器学习技术应用于入侵检测系统,以达到能够主动的保障网络安全的目的。基于机器学习的入侵检测技术存在两个问题:1)为了得到泛化能力强、检测准确的入侵检测系统,需要大量的有标记数据的支持。但是,在大数据环境下,往往没有如此相对大量的有标记数据,如果仅依赖于专家标注的方式,那么将大大降低检测效率;2)网络数据中不同特征的重要性并不相同,有的甚至降低检测效率或者准确率。在半监督学习中仍然存在缺乏特征选择的有效解决办法,这为入侵检测的高效和准确带来了障碍。本文的主要研究工作包含以下三个部分:第一部分,首先,说明了特征选择的作用以及定义;其次,为了准确定性不同特征、定量特征的分类信息,研究比较了典型特征选择算法的特点和缺陷,得出了过滤方式的特征选择算法有较高的运算效率,最大相关、最小冗余的特征选择方式可以更好的平衡分类效果和特征数量的研究结论;最后,在基于最大相关的特征选择方法的基础上引入加权欧式距离,从而达到有效衡量冗余度的目的。为了对机器学习分类方法给出指导经验,并且优化半监督分类器性能,分析了无监督和有监督学习算法的特性和缺陷,深入理解了基于CPLE的半监督算法。获得如下研究结论:1)不论网络攻击如何变化,都将如实的反应在底层网络数据中;2)半监督在少量有标记数据下,可以表现更好的分类效果,从而体现更好的检测准确率。第二部分,首先,分析了无监督和有监督学习算法的特性和缺陷,通过比较得出了半监督学习的优势和特点;其次,引入基于CPLE的半监督算法,该算法利用半监督学习的判别模型形式,并通过新的EM算法进行迭代,从而有效的对新数据集学习并判断;最后,提出了一种基于N-mRMD和CPLE半监督的入侵检测方案。第三部分,首先,利用NSL-KDD标准数据集,验证了该方案能有效选择重要特征,达到提高检测效率、间接提高检测准确率的目的;其次,也能利用新数据集中的少量的有标签数据,标记大量无标签数据,从而提高检测的准确率;最后,引入多种指标验证系统的性能,对方案的检测效果进行了评估。