随着科技进步和计算机网络技术的飞速发展，信息产业及其应用得到了巨大发展，政府、金融、电信等企事业单位及个人用户等对网络的依赖程度越来越高，同时也由此带来了信息安全的隐患，如何保障网络与信息系统的安全已经成为人们高度重视的问题。 传统的网络安全模型已经不能适应网络技术的发展，PPDR模型应运而生。入侵检测技术是PPDR模型的重要组成部分，是防火墙、数据加密等安全保护措施的有效补充。它对计算机和网络资源上的恶意使用行为进行识别，并为对抗入侵提供重要信息，它不仅检测来自外部的入侵行为，同时也监督内部用户的未授权活动。 入侵检测分析技术是入侵检测系统的核心，主要分为异常入侵检测和误用入侵检测。作者在对传统网络安全模型、PPDR模型、入侵检测原理以及常用入侵检测技术进行比较分析的基础上，提出了一个基于遗传神经网络的入侵检测方法，采用遗传算法和BP神经网络相结合的方法—遗传神经网络应用于入侵检测系统中，解决了传统的BP算法的收敛速度慢、易陷入局部最小点的问题。研究表明，该方法效果良好，学习速度快，分类准确率高。