随着网络技术的不断发展和网络规模的不断扩大,网络的安全遭受着更多的威胁,面临着的攻击也越来越为广泛。网络安全事件的频繁发生已经造成了巨大的损失,面临着越来越严峻的形势,需要采取各种网络安全技术来解决问题。在网络安全上,最为常用的技术就是防火墙。而防火墙对来自网络外部的攻击具有一定的阻断作用,但是对于内网中的攻击防御效果较弱,且其本身就容易被绕过,而入侵检测技术能对内外网攻击都有检测效果,在入侵行为发生前产生响应,发出报警信息,以便及时有效的进行处理。它可以在防火墙的基础上进一步为网络的安全提供一份保障,在网络安全方面入侵检测系统也是一个研究重点。传统的入侵检测系统技术又存在着诸多问题,漏报误报率较高,实时性较差,且难以适应逐渐变化的网络环境。因此研究网络入侵检测系统是网络安全领域的热点,符合网络安全急需有效保障的需求。本文首先分析了入侵检测的理论基础。入侵检测是计算机网络上检测恶意入侵行为或是攻击的技术方法。虽然入侵行为在形式表现上各有不同,或者途径上不同,但是某些特征在某一方面上会有一定的共性,通过建立特征库或是模式识别就可以有效检测到入侵行为。而网络入侵检测系统是从底层数据包的数据分析得到某些特征,最终对这些特征进行进一步分析处理。本文设计了一个完整的入侵检测系统,从各个模块设计到整个系统的设计。系统采用PSO和DE算法优化后的BP神经网络作为入侵检测算法,并对数据检测总体模块的检测效果做了检测准确率的测试。最终完成整个系统的开发,并对系统各模块进行了功能测试。在本文的最后完成对整个网络入侵检测系统进行研究、设计与实现的内容总结。