随着科技进步和计算机网络技术的发展,网络时代来临了,它的到来彻底改变了人们的生活方式,越来越多的人融入到了网络,享受着网络带给人们的种种便利。但同时随着互联网规模的迅速扩大,安全问题已经成为一个互联网发展中无法回避的核心问题。传统的网络安全模型己经不能适应网络技术的发展,PPDR模型应运而生。入侵检测作为PPDR模型的重要组成部分,是对防火墙、数据加密等安全保护措施的有效补充,能够识别针对计算机和网络资源的恶意企图和行为,并做出及时响应。入侵检测分析技术是入侵检测系统的核心,主要可分为异常入侵检测和误用入侵检测。针对入侵检测系统中存在的高漏报率、误报率问题,本文提出一种基于实数编码遗传神经网络的分类检测器同步检测模型,该模型基于异常入侵检测;同时提出数据预处理过程中样本精简的方法,该方法能够有效压缩样本数据;最后,我们利用实数编码遗传算法的强全局搜索能力和BP网络局部精确搜索的特性,将实数编码遗传算法和BP算法有机结合,利用遗传算法优化网络初始权重,使训练好的网络作为一个分类检测器能更有效地检测入侵。实数编码遗传算法与BP算法的有机结合可以克服BP算法收敛速度慢、易陷入局部极小点等缺陷,同时也省去了二进制编码遗传算法在进化过程中的个体编码、解码操作。研究表明,该方法效果良好,学习速度快,分类准确率高。