网络与计算机越来越广泛的使用在现今社会,企业、政府和其他组织的工作也越来越依赖于计算机网络系统,因此安全问题也更加突出。入侵检测系统IDS(Intrusion Detecton System)已成为必不可少的重要手段。为克服现有ID模型或产品存在的不足,本文从ID标准化、神经网络NN(Neural Network)应用于ID等方面进行了研究。 如何检测日益泛滥的入侵,己超出了任何一个IDS产品的能力范围。在收集到原始数据后,如何对这些数据进行有效分析及报告结果一直是领域中研究的重点,并因此形成了多种ID方法。基于上述研究,本文提出了一个ID模型,即一种基于神经网络的入侵检测模型。在模型中引入了神经网络,采用了ID标准化方面的研究成果。我们又研究了模型的实现,并提出了一种改进训练算法,最后我们对模型的核心组成部分进行了分析、设计和实现,并进行了相关实验。实验证明应用神经网络到入侵检测中,能达到较好的训练效果,采用改进的BP算法检测的准确率最高到91.5%,漏报率最低到3.5%,误报率最低到4.5%,针对实时性要求不是很高的系统,它能够较好的满足需要。