随着计算机网络的广泛使用和网络之间信息输量传的急剧增长,一些机构和部门在得益于网络的同时,其连接在Inter网上的电脑里的数据和信息也遭到了不同程度的窃取和破坏,数据的安全性和自身的利益受到了严重的威胁,信息安全成为了一个日益重要的问题。网络规模日趋增大的同时也伴随着攻击发生概率的增大。通过引入入侵检测技术,能够在网络中实时检测攻击事件的发生,并在攻击事件发生的早期阶段,切断攻击者的连接。而随着入侵技术的不断翻新,入侵检测变得日益具有挑战性。SYN Flood攻击是当前最流行的DoS(拒绝服务攻击)与DDoS(分布式拒绝服务攻击)的攻击方式之一。攻击者利用TCP/IP三次握手协议,伪造大量IP数据包向服务器发送,请求新的连接,导致服务器端为了维护一个较大的半连接列表而消耗非常多的资源。使服务器忙于处理攻击者伪造的TCP连接请求而无暇满足客户的正常请求。本文分析了入侵检测的研究现状,讨论了目前常见的入侵手段,在对入侵检测技术及其系统进行深入分析的基础上,提出了针对SYN Flood攻击的一种入侵检测方法。针对SYN Flood攻击的特点我们在客服端和服务器端之间设计一个中间代理。通过它将TCP“三次握手”转变成“一次握手”,让中间代理来等待客户端的第三次应答响应,使服务器从等待中脱离出来。对中间代理我们采用了基于异常特征的神经网络代理算法,通过检测网络数据包,将处理后的数据包信息转换为具有134个分向量的特征向量,经过神经网络的学习和判别,实现防御SYN Flood攻击。为证明其能有效防御SYN Flood攻击,我们在本系统模型上进行了SYN Flood攻击实验,结果表明,该模型可以从正常网络流量中识别出SYN Flood攻击活动的数据包,具有73.0%的识别率和3.72%的误报率。