随着网络应用的快速发展,人们利用网络进行信息传递日益频繁,因此网络信息的安全问题成为人们关注的焦点。网络信息安全是互联网及信息技术发展的基础,如何对网络中的各种非法行为进行主动防御和有效抑制,已成为当今网络安全研究的重要问题。现有的很多安全防护技术和产品采用的都是被动式的安全保护手段,对网络信息的保护存在局限性,而入侵检测系统能够对网络信息传输进行即时监视,发现可疑传输时能够发出警报或者采取主动的反应措施,因此利用入侵检测技术来加强网络信息防护是目前应用的重要手段。传统的入侵检测系统所采用的检测方法大多基于已有规则,这就造成了系统只能够对某一些特定的或已知的入侵行为取得比较好的检测结果,而不能适应复杂多变的网络环境,不能有效检测出未知入侵行为,影响系统整体检测效率。因此引入神经网络技术,利用神经网络技术对数据处理的能力,提高入侵检测的准确率,使入侵检测系统实现更好的检测效果,。本文基于SOM神经网络的网络入侵检测算法实现对数据的检测,并利用学习矢量量化方法来进行改进,以增加SOM神经网络对入侵数据的检测效率,从而提高基于SOM神经网络的入侵检测系统的整体性能。最后应用MATLAB仿真软件和安全审计数据集对利用学习矢量量化改进后的SOM的网络进行入侵检测仿真试验,并进行结果分析。通过测试数据证明,改进后的网络入侵检测方法在提高入侵检测性能方面是可行的、有效的。