指挥自动化系统作为兵力的倍增器，在复杂多变的战场环境中影响着战斗的进程。指挥自动化网络作为指挥自动化系统功能得以实现的基础，承担着军事信息数据的传输任务，在指挥自动化系统得以发挥战斗力的过程中起着至关重要的作用。指挥自动化网络的安全显得尤为重要，针对当前指挥自动化网络面临的各种威胁，我军采取防火墙、入侵检测等网络安全防御措施。针对传统BP(Back Propagation,反向传播)算法应用于防火墙与入侵检测中，存在收敛速度慢、易陷入局部极小值等缺陷。在传统BP算法基础上进行改进，将小波神经网络以及LM(Levenberg-Marquardt,列文伯格—马夸尔特)算法分别应用于指挥自动化网络防火墙流量的预测和入侵检测的分类中。仿真结果从收敛速度、预测误差、分类效果等方面可以看出，改进算法应用于防火墙流量预测与入侵分类中是十分有效的。具体研究内容如下：首先，分别对防火墙流量的预测以及入侵检测进行建模。根据指挥自动化网络某防火墙流量的特点，研究防火墙流量的影响因素，包括当前防火墙流量数据，星期以及时段等。确定防火墙流量预测输入输出之间的关系，对防火墙流量预测进行建模。入侵检测是防火墙的补充，是一种主动的防御措施。对一些通过伪装等方式进行访问的连接，防火墙无法辨别并进行正确拦截的情况，入侵检测通过主动搜集影响指挥自动化网络关键节点的数据信息，将其作为神经网络的输入。采用KDD CUP99数据集对指挥自动化网络进行建模，得出当前指挥自动化网络是否安全并将入侵进行分类。其次，分别对防火墙流量预测与入侵检测算法进行优化。神经网络算法一个重要的应用领域是预测问题。根据小波算法在时间序列预测问题中效果较好，将其应用于指挥自动化网络防火墙流量的预测中。通过仿真分析，从收敛速度和预测误差的方面进行对比分析；神经网络算法的另外一个重要的应用领域是解决分类问题。针对传统BP算法分类中存在的缺陷，将LM算法应用于指挥自动化网络入侵分类中。再次，借助Matlab实验平台进行仿真，对参数进行调节，得出最优解。分别对小波与传统BP算法、LM与传统BP算法进行分析、比较。最后，总结指挥自动化网络防火墙流量的预测以及入侵检测中不同算法表现出的优缺点，立足于指挥自动化网络面临的实际情况，提出有待进一步解决的问题。