当今的时代是信息化时代,网络与人们的生活密不可分。网络在给人们带来便捷的同时,自身的安全问题也随之而生。市场上目前为防范网络入侵使用的安全技术产品主要有路由器过滤。防火墙拦截。封堵漏洞等。当未知的网络攻击出现时,这些静态安全技术很难进行有效的抵御。入侵检测作为一种主动防御技术,弥补了传统被动技术的缺点。计算机入侵实时检测系统可对主机和网络进行严密监控,对可疑事件进行分析。当网络入侵被检测出时,系统将采取适当措施及时消除可能的危害,保障系统的安全。针对目前入侵检测系统普遍存在的漏报性和误报性,本文探讨了一种智能化的入侵检测模型,该模型基于遗传算法的全局性特征和神经局部性的特征,利用遗传算法来优化神经网络的权重,实验表明该智能化的方式能够提高入侵检测的效率。本文研究主要内容如下:(1)介绍了入侵检测的概念和流量特征,比较了神经网络在不同优化方法下的识别差异。(2)对遗传算法进行了分析和研究,针对遗传算法容易早熟和局部搜索能力弱等缺陷,分析了一些针对遗传算法的优化策略。(3)通过智能化的方式来进行入侵检测,通过实验表明可以在一定程度上提高检测的准确率。