入侵检测系统是一种基于主动策略的网络安全系统,是网络安全系统的重要组成部分.该文首先阐述了入侵检测系统的基本组成、分类及入侵检测的技术和方法,然后分析了现有入侵检测系统存在的不足,进而探讨了入侵检测技术今后的发展趋势.在此基础上,提出该文要构建一个基于神经网络的异常检测系统.神经网络因其自适应、自学习、并行处理等特点而在入侵检测中有广泛的应用.该文对神经网络的结构及学习方式等进行了概述,并着重介绍了BP神经网络及其算法,探讨了其在入侵检测中的优势.但传统BP算法也存在诸如收敛速度慢、易陷入局部最小点以及编程困难、计算量大等问题,对此,该文首先采用改进的BP神经网络Levenberg-Marquardt优化算法进行入侵检测,该网络μ变量可自适应调节,收敛速度快;其次,用MATLAB来解决编程及大量的计算问题.文章介绍了MATLAB神经网络工具箱的主要函数与算法,并基于MATLAB神经网络工具箱,构建了一个BP神经网络入侵检测系统,应用线性回归对其进行了校验,验证了其有效性和正确性.由于采用了异常检测技术,能发现已知和未知的攻击,改进了滥用检测技术只能发现已知攻击的缺陷.实验表明,该系统由于采用了改进的BP神经网络算法以及MATLAB软件包,有针对性地解决了传统的基于神经网络入侵检测技术的不足,具有较高的检测率.