針對(duì)傳統(tǒng)入侵檢測(cè)系統(tǒng)（IDS）處理數(shù)據(jù)負(fù)載過重，不支持多主機(jī)數(shù)據(jù)聯(lián)合分析，以及大規(guī)則庫(kù)維護(hù)的問題，提出一種云架構(gòu)的基于卡羅需一庫(kù)恩一塔克（ KKT）條件和超球結(jié)構(gòu)的增量支持向量機(jī)（KS-ISVM）入侵檢測(cè)系統(tǒng)。將客戶端抓取的數(shù)據(jù)包經(jīng)過預(yù)處理生成樣本空間，然后發(fā)送至云端使用KS-ISVM進(jìn)行建模分析，利用KKT條件對(duì)增量樣本進(jìn)行篩選，選取違反KKT條件的樣本作為有用樣本，剔除KKT范圍內(nèi)的所有樣本；此外，為了保證剔除的樣本為冗余樣本，進(jìn)一步采用超球結(jié)構(gòu)的方法對(duì)樣本進(jìn)行第二次篩選，將超球范圍內(nèi)的樣本作為有用樣本，剔除其余樣本；最后將選取的樣本進(jìn)行合并，對(duì)SVM進(jìn)行更新訓(xùn)練。利用KDDCUP99數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證，并與SVM、批量支持向量機(jī)（ Batch-SVM）、互檢KKT條件的增量學(xué)習(xí)（K-ISVM）算法進(jìn)行對(duì)比，結(jié)果表明，KS-ISVM具有良好的預(yù)測(cè)能力和樣本淘汰能力，準(zhǔn)確率達(dá)到90. 3%，而SVM、Batch-SVM和K-ISVM三種方法準(zhǔn)確率均在89%以下；同時(shí)還對(duì)并行KS-ISVM進(jìn)程聯(lián)合分析，發(fā)現(xiàn)單進(jìn)程的分析時(shí)間由635ls降低到16進(jìn)程的146s．分析時(shí)間大大降低，謊明了多進(jìn)程的有效性，滿足云計(jì)算環(huán)境中的入侵檢測(cè)系統(tǒng)對(duì)效率和精度的要求。