随着科技进步和计算机网络技术的飞速发展,信息产业及其应用得到了巨大发展,政府、金融、电信等企事业单位及个人用户等对网络的依赖程度越来越高,同时也由此带来了信息安全的隐患,如何保障网络与信息系统的安全己经成为人们高度重视的问题。传统的网络安全模型己不能适应网络技术的发展,PPDR模型应运生。入侵检测技术是PPDR模型的重要组成部分,是防火墙、数据加密等安全保护措施的有效补充。它对计算机和网络资源上的恶意使用行为进行识别,并为对抗入侵提供重要信息,它不仅检测来自外部的入侵行为,同时也监督内部用户的未授权活动。入侵检测分析技术是入侵检测系统的核心,主要分为异常入侵检测和误用入侵检测。本文针对入侵检测系统存在的对入侵事件高漏报率和误报率,提出一种基于遗传神经网络的异常入侵检测模型,该模型基于遗传算法的全局搜索和BP网络局部精确搜索的特性,将遗传算法和BP算法有机结合,利用遗传算法优化网络初始权重,使训练好的网络更有效的检测入侵。从而克服了BP算法收敛速度慢、易陷入局部极小值、全局搜索力弱、受网络结构限制等缺点。研究表明,该方法效果良好,学习速度快,分类准确率高。