特征选择是网络入侵检测研究中的核心问题，为了提高网络入侵检测率，提出一种人工鱼群算法（AFSA）和支持向量机（SVM）相融合的网络入侵检测模型（AFSA-SVM）。将网络特征子集编码成人工鱼的位置，以5折交叉验证SVM训练模型检测率作为特征子集优劣的评价标准，通过模拟鱼群的觅食、聚群及追尾行为找到最优特征子集，SVM根据最优特征子集进行网络入侵检测，并采用KDD CUP 99数据集进行仿真测试。仿真结果表明，相对于粒子群优化算法、遗传算法和原始特征法，AFSA-SVM提高了入侵检测效率和检测率，是一种有效的网络入侵检测模型。
