在网络技术迅速发展和普及的同时,网络的安全性问题也日益突出。原有的安全保障措施已经无法完全满足实际需要。入侵检测作为一种积极主动的安全防护技术,吸引了越来越多网络安全人员的重视。当前的入侵检测系统在实际应用中尚存在很多缺陷,如误报率和漏报率比较高、检测效率低以及智能化程度不足等。为了提高检测精度,降低误报率和漏报率,人们大都将研究重点放在选择合适的数据源和数据属性、改进现有检测算法、发现新的检测算法以及改进入侵检测系统的构架等方法上。本文研究分析了 BP神经网络在入侵检测系统中的应用情况,讨论了 BP神经网络应用在入侵检测系统中存在的问题,进而提出了一种对BP神经网络算法的改进方法。即根据BP神经网络算法自适应学习率的优势与不足,提出了针对权值、阈值学习率可变的方法,充分利用了局部梯度的方向信息,实现学习率按需要进行变化。本系统以WindowsXP为平台,以vc++6.0为主要开发工具,并采用MATLAB对神经网络进行训练和检测。最后通过实验及优化后的BP神经网络的识别效果进行对比得出设计结论。最后得出结论通过学习率有针对性的调整与带可调因子的转移函数的配合使用,改进后的算法能够更好的缓解学习率在转移函数趋于饱和区间时调节效果不佳的问题,可使误差函数及早摆脱平坦区,大大提高网络收敛精度,减少了训练时间,而且收敛速度加快,而且改进后的算法能够达到更高的检测率,较低的漏报率和误报率,使入侵检测系统具有较好的性能指标。