随着Internet的日益普及和网络技术的快速发展,企业及政府计算机系统遭受攻击的次数越来越多,信息安全问题日渐突出。传统的静态安全策略已无法满足系统安全的需求。入侵检测基于动态安全策略,被视为防火墙之后的第二道安全闸门。入侵检测实质上分类问题,采用机器学习方法构造检测模型可以检测主机或者是网络中可能存在的攻击行为。支持向量机作为机器学习方法源于统计学习VC维理论和结构风险最小化原理,具有分类效果好、全局最优等优点,已逐步应用到入侵检测领域。但是SVM学习过程需要求解一个二次规划问题,对大规模网络入侵检测问题空间和时间复杂度都非常大。图形处理单元(Graphic Processing Unit, GPU)具有高并行度,多线程的强大计算能力,近年来已逐步应用到通用计算领域,也给智能入侵检测领域中面临的大规模数据集的训练和分类问题提供了很好的解决方案。本文针对大规模入侵检测问题,介绍了入侵检测基本原理和实现快速智能入侵检测技术的相关背景知识；根据GPU体系结构和并行计算能力,提出了一种基于GPU的并行支持向量机算法GSVM;实验表明,本文提出的快速智能入侵检测算法可以有效地提高了入侵检测系统的分析效率,并解决了传统商业入侵检测系统的误报、漏报率高的问题。