支持向量机所具有的处理小样本和良好的推广能力的优势，在入侵检测中得到了广泛应用。考虑到数据特征的高维性和冗余性，特征提取是一个关键步骤。采用非线性流形学习算法L-Isomap对入侵检测数据进行特征选择，然后应用one-class SVM训练并识别异常。通过将异构值差度量（HVDM）距离代替欧几里德距离提出了HL-Isomap。选用KDD数据集来比较上述不同模型，实验结果表明了降维方法的有效性，尤其是误警率性能得到了显著的提高。