网络安全问题已成为信息时代人类共同面临的挑战,国内的网络安全问题也日益突出。具体表现为:计算机系统受病毒感染和破坏的情况相当严重;电脑黑客活动已形成重要威胁;信息基础设施面临网络安全的挑战;信息系统在预测、反应、防范和恢复能力方面存在许多薄弱环节;网络政治颠覆活动频繁。如果不很好地解决这些问题,必将阻碍信息化发展的进程。入侵检测技术是一种重要的动态安全防护技术,已经成为计算机科学与技术的一个重要研究领域。入侵检测是对计算机和网络资源上的恶意行为进行识别和响应的处理过程,它应用了以攻为守的策略,在不影响网络性能的情况下,能够对网络进行检测,提供对内,外攻击和误操作的实时监控。这几年随着网络及其安全技术的飞速发展,一些新的入侵检测技术相继出现,主要包括:人工神经网络、遗传算法、模糊技术数据挖掘等。其中,基于人工神经网络的入侵检测技术的发展尤为突出。人工神经网络以自适应、自学习,自组较好的容错性和并行性,联想记忆和联想等优点而受到了世入瞩目,在入侵检测领域发挥了重要作用。文章首先阐述了入侵检测和人工神经网络的概念和相关技术,入侵检测系统的研究现状,通过分析当前运用较多的入侵检测模型的缺陷,提出了一种基于径向基函数(Radial Basic Functions)神经网络的入侵检测系统模型,该模型既克服了传统的基于规则库的入侵检测系统所存在的管理问题.又克服了传统的系统仅能判断入侵行为是否异常,而不能识别入侵行为属于哪种类型的缺陷,从而使系统能够达到实时监测网络及主机状态,来防范不可预知性入侵。该模型具有良好的易用性和可扩展性,是一种开发安全管理系统的有效手段。最后,我们对训练好的神经网络做了检测实验,实验结果表明将径向基函数神经网络应用于入侵检测技术能有效的提高检测的准确率和入侵检测系统性能。基于径向基函数的入侵检测研究是一个非常活跃的研究领域。本文在最后给出了一些作者认为在今后针对该领域需要研究和改进的方向。