自物联网概念提出以来,物联网技术取得跨越式发展,成为了推动第四次工业革命的核心力量。在物联网发展过程中,衍生出大量的新产品,其中智能家居是物联网最具有代表性产品之一,它与公众的生活息息相关,让公众生活变得智能化、便捷化。随着人们对智能家居产品的需求量不断增大,智能家居产品产量激增,与之相关的安全问题也日益突出。研究者们和智能居家厂家提出了各种安全问题的解决方案,但不同厂家的智能家居产品的协议和标准不统一,没有一种能适用于所有智能家居安全问题的解决方案。因此,研究具有高兼容性和高安全性的智能家居系统十分必要。本文主要工作如下:设计了基于blynk平台的智能家居系统,使用私钥对智能家居设备通信过程进行加密,进而保证传输内容的安全性。针对内外网安全威胁,设计了智能家居安全网关来抵御潜在的网络攻击,网关集成了入侵检测系统,能够对来自内外部的攻击行为进行及时的处理和告警。当前机器学习已成为研究入侵检测技术的重要组成部分,在研究过程中,研究者也提出了多种用来解决相关问题的方法。本文选用了XGBoost算法作为入侵检测的核心算法,针对网络流量的复杂性和多维性,使用近似信息熵算法对流量中的冗余属性进行约简,再使用XGBoost算法对约简后的属性进行训练测试,设计并实现了基于近似信息熵和XGBoost算法结合的智能家居入侵检测系统。本文采用UNSW_NB15网络连接数据集作为分类器建模测试的数据集,在实验中对比其他分类算法,佐证了XGBoost算法在分类任务中更适用于智能家居入侵检测系统。设计了智能家居服务器与入侵检测系统融合的智能安全网关,网关使用统一的方式对智能家居系统和入侵检测系统进行管理以减轻网关的资源负载。通过模拟攻击实验,佐证了智能家居安全网关入侵检测、访问控制及日志功能的有效性。最后,将本文提出的基于近似信息熵和XGBoost算法结合的入侵检测系统与传统入侵检测系统Snort进行了模拟攻击实验对比,根据实验结果得出,基于近似信息熵和XGBoost算法结合的入侵检测系统在降低检测时间的基础上有着更高的检测率。