比较各入侵检测技术优劣性,针对当前已发展较成熟的专家系统技术,将其应用于入侵检测系统,并已取得一定研究进展和实际应用,但存在入侵知识库维护更新的困难,需专家总结入侵特征后不断进行人工更新;此外,专家系统只能检测已知入侵攻击,不能检测未知攻击行为,因此本文提出用神经网络技术对专家系统的入侵检测进行完善。神经网络具有良好的非线性映射和自学习能力,具有建模简单、容错性强的优点,应用于入侵检测中可检测出未知攻击。检测出未知攻击后对神经网络进行规则抽取,抽取出新入侵规则,加入专家系统入侵规则库,实现入侵知识库的自动更新。因此将专家系统和神经网络相结合应用于入侵检测,可有效提高检测成功率,文章最后的仿真实验表明该方法的有效性。提出基于PCA特征提取的智能型入侵检测系统模型。该模型具有智能化特性,并对模型进行了设计实现。在神经网络模块中考虑到入侵检测数据的高维特性,采用主成分分析方法对数据进行降维处理,并用KDD Cup 99数据集进行仿真测试验证,结果表明该方法是有效的。最后对设计进行了仿真实验,验证模型的有效性。实验结果表明,该模型可以检测新的入侵实例,具备自适应特性,能将新的攻击模式自动抽取后加入专家系统知识库中,有进一步研究的价值。