近年来随着网络规模的不断扩展，各种入侵事件给网络安全带来了严重的威胁。入侵检测系统作为网络安全防御体系的重要组成部分，越来越受到人们的广泛关注。 入侵检测是指发觉入侵行为来保证系统资源的机密性、完整性与可用性。但现有的入侵检测技术不能有效地检测攻击的不同变体，而且低检测效率和较高的错误报警率很难满足检测的需求。 本文研究如何实现智能化入侵检测系统的模型与算法。针对目前网络入侵检测系统的不足，论文给出了基于粗糙集分类的智能化入侵检测系统模型和相应的算法。模型中采用数据库操作求解粗糙集属性约简，减少了训练时间，提高了检测效率。该系统模型的优点是它能够处理不完备、不确定的信息，在模型的生成过程中自动产生属性特征的约简，同时生成“if-then”格式的规则，易于解释。实验表明：文中给出的基于粗糙集分类的智能入侵检测系统模型和算法，提高了入侵检测的智能性和检测效率，同已有的高效入侵检测算法具有可比性。