该文首先分析了目前的网络安全现状,简单介绍了几种威胁网络安全的攻击手段,从中可以看出通过防火墙和杀毒工具等软件,被动地防御网络攻击已经不能满足日益增加的网络访问量了,因此必须变被动为主动,对到达的网络访问内容进行审核,来判断是合法的访问还是入侵攻击,这种审核就是入侵检测.在第三章中叙述了什么是入侵检测系统,并介绍了目前流行的几种入侵检测系统以及各自的优缺点.从中可以看出随着网络的高速发展,网络访问量的日益增加,目前的基于规则的入侵检测方法已经不能满足网络访问检测的需求了,因此需要一种新的入侵检测系统方案来解决目前存在的网络安全问题.在第四章中,深入阐述了一种基于统计学方法的入侵检测方法,并对该方法进行深入细致的分析,得出结论.该方法可以很好的检测出网络中的攻击行为以及用户权限滥用行为,但由于统计方法固有的计算复杂性,并不利于网络访问的实时检测.因此提出了使用神经网络结合统计方法来解决实时的网络访问检测问题.在第五章中首先使用统计方法生成神经网络的训练数据集,使用该数据集训练BP神经网络,从而完成从用户访问的审计记录到用户访问各个子特征的提取工作,然后使用自组织映射神经网络将用户的特征映射到一个二维特征空间,完成用户访问特征的提取工作,然后使用该网络完成用户访问的实时检测工作.最后,设计了基于神经网络入侵检测系统的结构,并对研究工作作了总结,指出:基于神经网络入侵检测方法是目前在高速网络环境中,入侵检测技术的一个很重要的发展方向.