随着计算机和通信技术的飞速发展,计算机网络以其智能化、便捷化、全天候、全球通的特点,已经深入到了社会生活的方方面面,承载着当中的许多重要信息。随着其规模的迅速扩大,网络安全问题已成为互联网发展中无法规避的核心问题。在传统的网络安全防御过程中,我们通常采用的是被动的防御措施,例如阻挡攻击的防火墙技术、检测攻击的入侵检测技术等。虽然他们在一定程度上增强了计算机网络的安全性能,但仍无法实现全面的防护,因此我们引入了预警技术来实时监控攻击行为,从而预先采取应对措施来增强网络的安全性能。蜜罐技术是一种基于主动的安全防御技术,运用其建立起来的安全预警系统,可以满足应对突发安全事件的准确预警,精确定位,快速响应的要求。本文对现有的蜜罐核心技术进行了剖析,针对其存在的缺陷,将RBF神经网络引入蜜罐技术中,提出了一种新的遗传神经网络的学习算法,从而实现了搜索的并行化,提高了预警的精准度和自学习能力。本文设计了一个新型的基于ARIMA的蜜罐预警模型,并根据此模型实现了蜜罐预警系统,最终通过仿真实验对数据进行分析,并与传统的蜜罐技术进行了比较,实验结果表明改进后的蜜罐技术在预警方面的性能优良。