当前网络安全正遭受到日益严重的威胁，各种网络安全事件层出不穷。统计发现，攻击者在攻击网络系统时，主要以耗尽对方网络系统的资源为目的，如耗费被攻击者的内存资源、处理器资源和带宽资源等。系统由于本身的资源被攻击者耗尽而导致对外提供的服务质量大大降低，有时甚至使系统瘫痪，然而，并非所有来的攻击都会造成计算机系统的崩溃，随着计算机性能的提高，有些攻击对计算机系统的影响是不大的，有时甚至可以忽略这些攻击，因此，这就需要对攻击的效果进行验证，这就是本文要研究的内容，即网络攻击验证技术的内容，它的含义是在发生网络攻击的前提下，确定攻击的效果。　　目前，国内外对验证网络攻击效果的技术、原理、准则、方法和评估体系还没有统一的理论，研究进展较为缓慢。本文首先介绍目前已有的一些攻击验证方法，并对这些方法的原理以及处理流程做了较为详细的介绍，之后对这些已有的攻击验证方法进行了比较分析。　　接下来本文提出了将神经网络模型应用于攻击验证的方法，介绍了两种神经网络模型以及如何将这两种网络模型应用于网络攻击验证中。首先介绍的是多层感知器(Multiply Layers Preceptor)网络模型，简称MLP网络模型，并对该模型的攻击验证性能做了分析和研究，实验结果表明，该模型能够取得不错的验证效果。为了进一步攻击验证的准确率，接下来又引入了带有反馈机制的Elman神经网络模型，并通过实验验证了该模型的有效性。　　最后，本文设计并实现了基于上述两种神经网络模型的攻击验证系统，给出了该系统的系统结构、功能模块的划分、模块的流程、模块的实现和系统的运行环境等。并利用该攻击验证系统做了若干组对比实验以验证神经网络思想在攻击验证中的有效性。