随着网络的广泛应用,网络安全问题越来越重要。网络攻击方法层出不穷,入侵手段也不断更新,使得目前的防火墙等被动的网络安全机制对许多攻击难以检测。入侵检测作为一种主动防御技术,弥补了传统安全技术的不足。其主要通过监控网络与系统的状态、用户行为以及系统的使用情况,来检测系统用户的越权使用以及入侵者利用安全缺陷对系统进行入侵的企图,并对入侵采取相应的措施。入侵检测系统智能性研究是目前网络安全领域的研究热点,针对入侵检测系统存在的高漏报率和误报率,提出一种基于遗传神经网络的入侵检测模型,该模型基于遗传算法的全局搜索和BP网络局部精确搜索的特性,将遗传算法和BP算法有机结合,利用遗传算法优化网络初始权重；同时提出了改进的遗传算法,实验表明改进的遗传算法优化神经网络用于入侵检测能提高入侵检测的效率,降低误警率。本文研究主要内容如下：(1)介绍BP神经网络的优缺点及其几种改进方法,对数据包的流量特征进行定性的分析,比较不同改进方法下对数据包的流量特征的识别差异。(2)对遗传算法进行分析和研究,针对基本遗传算法的存在容易早熟和局部搜索能力弱等缺陷,通过对遗传算法中的交叉算子和变异部分进行改进,比较它们在相同的搜索环境下的性能差异。(3)通过改进的遗传算法来优化神经网络的权重和阀值,实验证明,运用此方法可在一定程度上提高入侵检测的效率和准确性。