随着当今社会信息和网络的不断发展，全球信息化已成为社会文明进步和发展的大趋势。但由于计算机网络自身具有的多样式特性、分布式特性和网络的开放性、互连性等特征，导致了计算机网络容易受到攻击，所以网上信息的安全和保密是一个至关重要的问题。对于军用自动化指挥网络、银行、电子商务等传输敏感数据的计算机网络系统而言，其网上信息的安全和保密尤为重要。网络的安全措施应能全方位地针对各种不同的威胁和脆弱性，这样才能确保网络信息的保密性、完整性和可用性。本文基于神经网络系统的研究，对入侵检测系统的检测机制进行学习，重点分析了BP神经网络算法和Levenberg-Marquardt算法，并且利用Levenberg-Marquardt算法，对BP神经网络算法进行了优化，结合Levenberg-Marquardt算法，通过研究和对比，在已有的入侵检测系统HIDS的基础上提出了优化的Levenberg-Marquardt算法和一个基于该优化算法的模型LMBP-HIDS。最后拟通过对算法和模型进行仿真实验，验证Levenberg-Marquardt算法和模型的可行性与有效性。首先，本文从入侵检测系统和神经网络的原理入手，分析了入侵检测系统基本结构、功能，着重分析了入侵检测系统的工作机制、分析方法，并阐述了入侵检测系统未来的发展方向和进化趋势。同时，对神经网络的原理进行讨论，研究了BP神经网络算法和Levenberg-Marquardt算法，将两种算法的优点结合起来，形成了改进的Levenberg-Marquardt算法，并将改进的Levenberg-Marquardt算法应用到入侵检测系统当中，基于原有的入侵检测系统，形成改进的入侵检测系统模型，给出体系结构，介绍了改进后的入侵检测系统的各个模块以及各模块的工作流程。最后，对改进的入侵检测系统进行仿真实验，给出了实验结果，通过对仿真结果的分析，检测了前文叙述的改进算法和改进后的系统结果，得出结论。