在现代计算机系统中，网络安全是一直是个十分重要的问题。面对各种形形色色的网络电子威胁，采取积极而主动的安全措施来保护电子信息资源是十分必要的。虽然目前防火墙等安全工具已经被普遍地应用，但随着网络技术的发展，入侵的行为也表现出不确定性、复杂性和多样性等特点。这样，对不断涌现层出不穷的网络病毒和入侵，要想完全避免入侵事件的发生并不太现实。入侵检测技术作为一种主动地安全防护技术，及时地检测各种恶意入侵并在网络系统受到危害时进行响应。它是传统安全技术如防火墙的合理补充，是一种新兴的网络安全技术，目前正越来越受重视。但是作为一种新兴技术在应用领域的研究还有待探索和完善。 神经网络方法是一种强大的工具。在入侵检测领域学者们已经对其进行了一些相关研究。本论文在追踪了国内外入侵检测方面的最新学术和应用成果，提出了一种在入侵检测系统中利用神经网络进行入侵检测并将其结果进行决策融合以获取更高检测精度的方法。在借鉴MIT林肯实验室的入侵检测测试数据集的基础上，本文实现了应用神经网络的方法来进行异常入侵检测，并将结果利用D-S证据理论方法进行数据融合。将融合前后的结果进行比较和研究，入侵检测的性能评估指标都有提升，某些重要指标性能提升更是高达17％和18％，融合结果是可以说是令人满意地。 本文工作包括： (1)对试验数据进行预处理和分类。根据网络连接的不同属性将有用特征进行分组； (2)根据不同特征组，训练神经网络进行初步分类，判断网络连接属性为正常或是恶意入侵。 (3)将初步分类结果按D-S证据理论进行数据结融合，得到最终检测结果，并提高检测精度。 最后，总结了研究工作中的不足和进一步的工作，并对入侵检测技术的未来的研究方向和发展前景进行了分析。