互联网在方便人们获得各类信息的同时也刺激了不良信息的传播，带来了许多负面影响。因此有必要对网络不良信息进行监控并对其过滤。本文在对国内外研究现状进行了深入分析的基础上，提出了一个基于人工神经网络的不良信息实时监测系统模型，并采用软件实现。本文首先介绍了神经网络原理、特点以及主要应用领域，并着重对BP网络及BP算法进行了分析。针对BP网络训练速度慢、易陷于局部极小、推广能力差以及隐含层节点数难于确定等缺点，本文提出了一个特殊双隐含层神经网络设计算法，即STNNA算法。在对该算法原理及步骤进行详细论述后，给出了算法的实现要点。实验结果显示，该算法在训练时间、推广能力、以及网络结构优化等方面都有明显提高。其次本文研究了一个不良信息监测智能决策问题。在对现有信息过滤模型以及分类算法进行分析比较的基础上提出了一个基于人工神经网络的不良信息监测智能决策系统。该系统建立在向量空间模型基础上，并采用了STNNA算法，具有决策迅速，准确率高，并具有自学习能力等特点。将不良信息监测决策系统与网络侦听技术相结合，最后本文提出了一个不良信息实时监测系统模型。详细论述了系统模型中各模块功能及实现方法，并针对现在网络流量大的特点，提出了一个数据过载解决方案。经测试表明，该系统较好地解决了不良信息监测所面临的准确性、实时性、经济便利性等几个相互矛盾的问题，并具有良好的人机界面。