随着Internet的飞速发展,计算机网络的安全问题日渐突出,杀毒软件、防火墙技术和针对单机的入侵检测技术,其局限性也随之逐步显现,尤其对分布式的入侵行为,已不能很好地满足人们保护网络安全的需要。在这样的背景和需求下,分布式入侵检测技术产生了。然而,在传统的分布式入侵检测系统模型中,总会在不同程度上存在单点失效、响应时间长、网络负载大、智能性差等问题。移动Agent技术是当前计算机科学领域新兴的一门技术,其独特的性能给解决分布式问题带来很大的改革。伴随着分布式入侵检测技术的发展,移动Agent技术也正被广泛应用到入侵检测领域。人工神经网络是并行分布式系统,具有自学习、自适应和自组织的能力。它为解决复杂度大的问题提供了一种相对比较有效的简单方法,近来在入侵检测领域越来越受到人们的关注。本文叙述了计算机网络安全研究的背景和现状以及分布式入侵检测的产生和发展；阐述了入侵、入侵检测和入侵检测系统的定义,以及入侵检测的分类和现有的入侵检测模型；对BP神经网络、移动Agent技术及其在入侵检测领域的研究与应用进行了概括与总结；构建出一个采用BP神经网络的分布式入侵检测模型；探讨了该模型的实现并对其性能进行了仿真实验验证。该模型采用“域内集中处理,域间互助协作”的工作方式,将整个受保护的网络划分成若干个域,每个域内是一个完整的中心分析型分布式入侵检测系统,域间地位平等,互相协作,共同完成分布式入侵检测。这样以来,既能克服单点故障问题,又便于管理,又容易分析判别是本地攻击还是分布式攻击。最后通过仿真实验对本模型进行验证,得到了满意的效果。本文构建的分布式入侵检测模型尚处于测试时期,还需不断完善,仍有好多工作要做：模型的可操作性、可维护性、可扩展性以及检测的实时性方面等等。