本文从介绍入侵检测的基本概念入手，分析现有IDS模型与IDS产品中的常用入侵检测方法，发现这些方法均存在不足，使得IDS产品难以满足IDS所需要的实时性、适应性、准确性和自学习能力等方面的需求。然后通过对神经网络的研究表明，神经网络在概念和处理方法上都很适合入侵检测系统的要求，研究与设计基于神经网络的入侵检测系统，将具有重要的理论与实用意义。并对神经网络理论中的BP算法及其改进算法的相关知识进行了描述。 在此基础上，本论文提出在IDS模型设计中引入神经网络技术，研究如何将神经网络成功应用于入侵检测，并给出了一个基于神经网络的入侵检测系统的模型，阐述了该模型的设计思想、模型原理图，并就系统模型中各模块的原理和实现给予详细的介绍。最后通过训练过程和检测过程对实验的结果进行了比较客观的分析，实验的结果也比较令人满意，漏检率和误报率都不是很高，而且对未知类型的攻击，也有一定的检测效果，说明BP神经网络在入侵检测方面具有很大的发展空间和应用前景。 最后，对研究工作做了总结，还分析了系统的不足。指出了改进办法和向入侵防御系统方向发展的后续目标。