随着我国现代化的建设和城市轨道交通的不断发展,基于通信的列车运行控制（Communication Based Train Control,CBTC）系统越来越广泛地被应用在城市轨道交通线路上,而现代化技术的应用使CBTC系统的自动化和信息化得到发展的同时,也带来了安全隐患问题。由于CBTC系统的特殊性,传统信息技术领域和工业控制领域的入侵检测方法不能完全满足CBTC系统对入侵检测的需求,且目前针对CBTC系统入侵检测方法的国内外研究较少。因此,有必要开展针对CBTC系统入侵检测方法的研究。具体研究内容如下:（1）对CBTC系统结构及运行机理进行分析,研究CBTC系统信息安全隐患及典型攻击方法,针对CBTC系统入侵检测需求,对CBTC系统入侵检测进行整体设计,包括入侵检测流程和具体检测方法的设计。（2）研究数据集预处理方法,针对数据集的特征高维度和数据重复率高的特点,利用自然数编码方法和one-hot编码方法、数值归一化方法及主成分分析方法对数据集进行预处理分析,提高后续检测速度及检测精度。（3）通过CBTC系统通信协议对CBTC数据包特征进行分析,采用白名单方法设置合适的安全规则,对通信数据进行一次检测,禁止白名单安全规则以外的数据通过。为提高入侵检测性能,采用BP神经网络进行二次检测,利用非线性惯性权重改进的粒子群算法优化BP神经网络,改善神经网络收敛速度问题和局部极小值问题。（4）分别使用KDD CUP99数据集和CBTC系统仿真数据集作为实验数据集,通过实验对比分析,结果表明白名单结合神经网络的入侵检测方法相对其他算法有一定优势,该方法具有一定的实际意义和应用价值。