伴随着信息革命浪潮的继续推进,网络得到了迅猛的发展。互联网的普及率和网民数量已经达到了历史同期的最高峰,人们足不出行就可以在各种网络平台上网购衣服、点外卖、预约酒店、订机票等享受各种便利。人们在享受着网络发展在衣、食、住、行等各个方面带来巨大好处的同时,不可避免的也面临着各种严峻的网络安全问题。早年间,防火墙技术作为主要的网络安全防护手段,由于它不能抵御网络内部攻击和不能实时检测的局限性,促使了入侵检测技术的诞生。基于入侵检测技术而发展出来的入侵检测系统,在实时检测和对网络内部攻击识别等两个方面的突出表现,有效的解决了防火墙技术所存在局限性。现如今面对日趋复杂的网络环境,传统的入侵检测技术也存在着识别的类型减少、识别的精度下降等种种问题。为了应对入侵检测领域所存在的这些问题,利用人工神经网络自学习的优势,将入侵检测和人工神经网络有机的结合起来,已成为网络安全领域研究的一个重要分支。本文着眼于网络安全领域这个重要的研究方向,研究了基于径向基神经网络的入侵检测技术,并设计和实现了基于径向基神经网络的入侵检测系统。论文的主要工作包括以下四个方面:(1)介绍了当今网络安全形势和入侵检测技术的国内外研究现状,对入侵检测的技术、入侵检测系统以及人工神经网络进行了探究和总结。同时,对径向基神经网络的基函数、网络结构以及相关学习算法进行了系统的研究。依据KDD CUP 99数据集的分布情况,对训练数据和测试数据进行了选取,并对所选取的数据进行了预处理。(2)为了解决基于梯度下降学习算法的径向基神经网络稳定性差的问题,从该模型参数初始值选取范围这一方面着手,采用离群点检测算法对参数基函数中心初始值选取的范围进行有效的缩减,并使用相同的数据进行实验测试。实验表明,与传统的基于梯度下降学习算法的径向基神经网络相比,在检测的准确率和稳定性这两个方面都有所提高。(3)为了使训练数据具有更加优异的训练效果,提高入侵检测的准确率,降低误报率和漏报率,对基于k-means聚类学习算法的径向基神经网络模型的训练数据进行离群点检测,并进行实验测试。实验表明,准确率更高,整体效果更好。(4)设计并实现了基于径向基神经网络的入侵检测系统,其中系统后台和前端的构建分别是基于Java和HTML来实现的,该系统可以使用径向基神经网络模型对数据集进行入侵检测,并将所预测的类型和相应的数据集内容一同展示在最终的检测页面上。