随着网络技术的飞速发展，信息共享和网络互连成为发展趋势。然而，这也带来了个人、公司乃至国家机密面临严重的入侵威胁。因此，计算机信息安全日益为人们所关注。传统的信息安全研究包括针对特定的系统设计一定的安全策略，建立支持该策略的形式化安全模型，使用身份认证、访问控制、信息加密和数字签名等技术实现安全模型。然而，近年来随着系统入侵行为程度和规模的加大，安全模型理论自身的局限以及实现中存在的漏洞逐渐暴露出来。

为了增强系统安全，一种行之有效的方法是采用一个比较容易实现的安全技术，同时使用辅助的安全系统，对可能存在的安全漏洞进行检查，入侵检测就是这样的技术。入侵检测是指对恶意行为进行诊断、识别并做出响应的过程。实施入侵检测的系统称为入侵检测系统（IDS）。

衡量入侵检测系统的两个最基本指标为检测率和误报率。实用的入侵检测系统应尽可能地提高系统的检测率而降低误报率。除检测率和误报率外，在实际设计和实现具体的入侵检测系统时还应考虑操作方便性、抗攻击能力、系统开销大小、可扩展性、自适应能力、自学习能力以及实时性等。

对于目前已有入侵检测的分类有多种方法，比较通用的方法有两种：一种是根据数据采集点的不同，将IDS分为基于主机的IDS和基于网络的IDS；另外一种就是根据检测所基于的原则不同，将入侵检测系统划分为异常检测IDS和误用检测IDS。

面对不断演变的威胁，入侵检测技术也在不断发展。例如，统计分析方法是异常检测的主要方法之一。该方法依据系统中特征变量的历史数据建立统计模型，并运用该模型对特征变量未来的取值进行预测和检测偏离。此外，机器学习和人工智能技术也被广泛应用于入侵检测系统中，以提高其检测精度和效率。

总之，入侵检测技术的发展趋势是朝着更加智能化、高效化和精确化的方向发展。只有不断地更新和发展入侵检测技术，才能更好地应对不断演变的威胁，保障计算机信息系统的安全。