网络与计算机越来越广泛的使用在现今社会,企业、政府和其他组织的工作也越来越依赖于计算机网络系统,因此安全问题也更加突出。入侵检测系统IDS(Intrusion Detecton System)已成为必不可少的重要手段。为克服现有ID模型或产品存在的不足,本文从ID标准化、神经网络NN(Neural Network)应用于ID等方面进行了研究。如何对付日益泛滥的入侵,己超出了任何一个IDS产品的能力范围。设计新的ID模型时必须充分考虑其集成性,而产品集成的基础是标准化。研究表明,现有ID模型的设计未对标准化给予足够重视,导致模型或产品的集成性较差。本文对ID国际标准化权威组织的研究现状与国内ID标准化进行了探讨。在收集到原始数据后,如何对这些数据进行有效分析及报告结果一直是领域中研究的重点,并因此形成了多种ID方法。基于上述研究,本文提出了一个ID模型,即神经网络入侵检测模型NNIDM(Neural Network Intrusion Detecton Model)。在模型中引入了NN,采用了ID标准化方面的研究成果。我们又研究了模型的实现,并提出了一种改进训练算法,最后我们对模型的核心组成部分进行了分析、设计和实现,并进行了相关实验。本文是把神经网络应用于入侵检测的一次尝试,它摒弃常规的基于行为的ID模式,采用了更先进的,模拟人脑神经网络系统的非线性工作模式。神经网络还可结合专家系统、遗传算法、数据挖掘等技术,神经网络在ID中的应用有着巨大的理论及实践意义。