随着网络的发展,越来越多的部门和个人开始以网络作为工作或生活的一部分,网络安全问题也越来越显的重要,并逐渐成为当今研究的热点之一,传统的网络安全技术以防护为主,依赖于防火墙做为安全防护的措施,而面对网络规模的逐渐庞大及入侵和攻击的多样和复杂,以防火墙为主的防御技术难以应对新的网络形势,入侵检测技术就能弥补防火墙的不足以增强网络的安全性。入侵检测作为新兴的网络技术有很多发展方向,其中智能化的入侵检测是重要的分支之一。首先介绍了网络安全的背景及入侵检测的现状,从漏洞扫描、口令破解、脚本攻击、拒绝服务攻击等方面分析了典型的入侵和攻击方法。入侵检测系统就是根据这些入侵方法和技术进行检测,目前的入侵检测产品中,Snort是一个优秀的开源入侵检测系统,甚至许多商业入侵检测也采用snort的某些设计思想,本文分析了snort的编程结构,研究了数据包在snort中的检测流程及snort的检测引擎,根据snort的规则链表分析了snort规则检测的不足。研究了改进的附加加动量项的神经网络BP算法,通过仿真实验验证了增加动量项的BP算法比标准BP算法的优势,同时根据改进算法,设计实现了神经网络插件。并根据snort的插件机制设计了神经网络模块的样本提取插件和神经网络检测插件,最后对实验进行了分析,对智能化的入侵检测系统做了有实践意义的探索和研究。