随着计算机和网络技术的不断发展,计算机网络的安全问题也日益突出。目前网络安全技术包括路由器、防火墙、漏洞防堵、入侵检测、审计和反攻击等,其中路由器过滤、防火墙、漏洞防堵属于静态安全技术,而入侵检测、审计和反攻击等属于动态防护。静态安全技术对防止系统非法入侵起到了一定作用,但在真正的网络攻击行为发生时,尤其是在遭受新型的网络攻击方法攻击时,系统可能会遭受到不可预料的损失。因此需要研究一些积极主动的网络安全防御手段和反击手段。入侵检测系统(Intrusion Detection System,IDS)是一种动态的安全技术,它已成为网络安全必不可少的重要手段。目前大多数入侵检测系统误警率较高,效率较低,为克服现有IDS的不足,本文从入侵检测模型、神经网络应用于入侵检测等方面进行了研究。本文提出了一种基于径向基函数神经网络的入侵检测模型。首先介绍了入侵检测的产生背景、定义和功能。对一些常用的入侵检测方法进行了比较。介绍了神经网络技术的基本原理,并分析了神经网络技术在入侵检测方面的应用优势,提出了一种基于径向基函数(Radial-Basis Function,RBF)神经网络的入侵检测模型,研究了该模型的实现,对模型的核心组成部分进行了分析、设计。从理论上说明了该模型的实现功能。其次,在神经网络关键参数选择问题上,提出了一种基于函数逼近思想选择网络参数的方法。利用广义回归神经网络来实现,并做了相关实验。通过对实验结果的分析,说明该方法在解决网络参数选择问题上的可行性及不足之处。最后,我们对训练好的神经网络做了检测实验,实验结果表明将径向基函数神经网络应用于入侵检测技术能有效的提高检测的准确率和入侵检测系统性能。