这几年来,信息科技不断发展和进步,计算机网络不断普及和推广,同时广大网民也面临着严重的网络安全问题,各种网络非法入侵活动F]益猖狂。虽然当前计算机网络采取了诸多防范技术,例如防火墙、用户身份验证以及信息加密等方法的应用,但是仍然无法有效应对各种网络攻击行为,在这种背景情况下,一种新型的信息安全技术横空出世,即入侵检测技术,它很好的弥补其他信息安全技术的不足,为计算设计网络提供了更加高效的安全保护。本文在深入分析现有入侵检测技术存在的几种主要缺陷和问题的基础上,提出了一种新的入侵检测算法,以提高和改进入侵检测技术的安全防范功能和效率。经过实践证明,该种算法能够有效弥补入侵检测技术的不足之处,大大提高了其的工作效率,具有很高的实际使用价值,值得深入推广和普及。　　首先,本文对入侵检测技术进行了全面的介绍,对其技术特点和发展趋势进行了详细论述,同时还介绍了其算法和程序编写方法。　　其次,经过采用三种成熟的分析方法(PCA、KPCA、ICA)来提取算法,发现后两者分析方法具有很好的互补性,在漏检率和分类F确率方面具有相互促进作用。利用神经网络训练方法来处理KPCA和ICA提取的算法,利用遗传算法找出较大的神经网络,并将它们综合为一体。　　之后根据改进需要,提出了一种新型的入侵检测算法,该算法以神经网络为基础。它充分吸收了KPCA和ICA分析方法的精华,通过利用新创立的算法对分析结果进行汇总和提炼,根据分类器进行权重调整。最终结果证明,融合了KPCA和ICA精华的入侵检测算法,相比其他入侵算法具有更好的性能和表现。　　最后,根据上述分析结果,设计了一个网络入侵检测系统模型。浚模型的重要特征是,利用积累各种入侵行为作为检测库,在榆测入侵行为时调取相应的模块进行匹配,对已知的入侵行为及时作出处理决定,对新入侵行为进行数据库更新备案。