Internet的迅速发展,使计算机网络已经深入到我们日常生活的各个领域,另一方面,网络的互连共享和分布也增加了网络安全的脆弱性和可能性。入侵检测作为一种有效的检测入侵方式受到极大的关注。入侵检测系统可以对系统和网络进行实时检测,发现闯入系统或入侵网络的入侵者。本文首先介绍了入侵检测和入侵检测系统的相关技术,以及入侵检测系统所面临的问题,然后完成了入侵检测系统各部分的设计。人工智能神经网络所具备的概括抽象能力、学习和自适应能力以及内在的并行计算特性,使得其在入侵检测中的应用具有独特的优势。利用神经网络进行数据挖掘从数据库提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式,从而帮助入侵检测系统进行决策分析。本文提出了一种基于主成分分析的反馈神经网络在入侵检测系统中的应用模型,并给出了相应的实验结果。入侵检测系统虽然具有发现入侵、阻断连接的功能,但其重点更多地放在对入侵行为的识别上,网络整体的安全策略还需由防火墙完成。入侵检测系统应该通过与防火墙联动,动态改变防火墙的策略,通过防火墙从源头上彻底切断入侵行为。本文提出了一种将入侵检测系统和防火墙联动处理,协同工作的设计方案,以期达到更好的网络安全防范效果。最后,本文对全篇工作进行了总结,并对今后的研究工作提出了展望。