随着互联网的迅猛发展，网络用户数量剧增，越来越多的人将生活和工作的重心投入网络，在巨大的网络用户量和用户信息里，存在很多方面的问题：一方面网络安全隐患增加，网络攻击层出不穷，研究用户行为来解决网络安全问题日趋重要；另一方面海量用户信息的有效利用成为各种网站，尤其是电子商务网站的重要研究课题，网站通过分析用户行为提供精准营销和更具个性化的服务，提升用户体验，从而使利润最大化。因此，分析网络用户行为有重大意义。目前已经有多种算法和模型对用户行为进行研究，但都存在一些缺陷，在网络安全领域的入侵检测系统上，存在高误报率和低检测率的缺点，针对这种情况，提出将神经网络、模糊系统和减法聚类三者融合，做到三者优劣互补，开发了基于模糊神经网络的用户行为分析系统，该系统可以有效检测攻击行为。文中首先描述了用户行为分析的研究背景和在网络安全领域的研究现状，介绍了研究目的和研究意义。之后介绍了模糊理论和人工神经网络的概念，模糊系统和神经网络的融合方式，并评价各种方式的优缺点。然后根据用户行为特点选择了自适应模糊神经网络来进行分析，并提出使用减法聚类来优化模型的结构。在此基础上，给出了一种基于模糊神经网络的用户行为分析模型，详细阐述了模型的设计思路和总体框架，之后详细说明了框架的各个模块的设计和实现过程。最后，选择网络安全领域的入侵检测作为实验切入点，进行仿真实验，通过多组数据的实验，证明基于模糊神经网络的用户行为分析模型在检测攻击行为上具有高效检测率和低误报率。