互联网设备的更新、互联网技术的迅速发展以及互联网资费的降低促进了互联网的广泛应用,并不断改变人们的生产生活方式。但是互联网广泛使用也带来的网络安全问题,随着网络入侵人员的知识背景,技术手段和协同入侵等新特征出现,网络安全问题正逐渐成为互联网数据与资源的最大威胁。因此,近十年网络入侵检测理论与技术研究日趋活跃。本文提出基于网络用户行为分析与识别的数据库入侵检测系统研究。通过对网络数据库用户行为数据集分析,得到网络数据库用户行为的短时随机性分布,长时间的不变性分布规律。本文的主要工作是在深入研究网络用户行为和传统数据库安全理论的基础上,针对各种网络安全的问题,探索一条基于神经网络算法在数据库网络用户行为入侵检测上的应用。该算法主要从如下几点完成创新探索。1.生物视觉的慢变性特征引入到本系统用户行为分析与表达上,有效揭示了用户网络行为的慢变性规律。2.以BP神经网络为核心的双引擎预警和人为干预方法的有效结合。3.ICA算法消除数据的相关性与冗余,提高了BP算法的训练效果。4.前后台数据的动态训练与更新技术,实现了BP网络的自适应性。5.提出适合本文的双引擎的入侵模式。6.C#与Matlab编程的在本项目的有效结合,提高了开发速度。