随着计算机网络的不断发展，关于计算机网络安全的许多问题也日益突显出来。入侵检测系统(IntrusionDetectionSystem，IDS)是一种主动的安全防护技术，它已经成为一种不可或缺的安全防护技术。现今大部分入侵检测系统误判率相对较高，检测效率相对较低，为了弥补目前入侵检测系统的不足，本文从入侵检测模型、神经网络应用于入侵检测等方面进行了研究。 本文设计了一种基于概率神经网络IDS模型并且针对该模型提出了一种PNN(概率神经网络)的ITM(增量训练方法)。 首先，分析了入侵检测的工作原理、过程、存在的问题，又介绍了人工神经网络的基本概念、类型等内容。 其次，介绍了概率神经网络，设计了一种基于PNN网络的IDS模型，并且针对该模型提出了一种PNN网络的ITM。通过对实验结果的分析，相对于BP网络(反向传播网络)、RBF网络(径向基函数网络)以及未改进的PNN网络来说，说明了改进后PNN网络的改进之处以及有待提高之处。 最后，对此研究进行了总结，提出了进一步改进的想法。