世界经济全球化、社会信息化的步伐不断加快,互联网起到了不可替代的作用,但同时也带来了各种问题,计算机安全成为了一个严峻的现实难题。安全审计系统是防火墙和入侵检测系统之后的第三道防线,通过对事件的记录及分析能够有效地发现和防范非法入侵活动。传统安全审计系统大多数都是基于规则的,需要不断的更新维护规则库,但攻击者的方法和目标系统软硬件会不断的变化,所以无论怎样更新规则库和模式库,传统安全审计系统也无法精确的识别出异常。针对上述,本文结合BP算法的局部精确搜索和遗传算法的全局搜索能力,提出了一种基于演化神经网络的安全审计系统。在保证群体多样性的同时不丢失稳定性,保证不破坏群体中的优良模式的同时不影响产生新个体进度,论文采用了自适应交叉概率和自适应变异概率,它们能够提供相对于某个解的最佳交叉概率和最佳变异概率。本文首先用自适应遗传算法优化神经网络初始权值,然后用优化的初始权值进行神经网络的训练,寻找最优的网络结构。当演化神经网络学会系统工作模式后,即可进行审计的分析,对异常做出反应。通过算法比较和实验结果分析,表明该算法可以有效、可靠地运用于安全审计系统中。