1、隨著計算機技術與網(wǎng)絡通信以及信息產業(yè)的高速發(fā)展，網(wǎng)絡入侵攻擊的事件頻繁發(fā)生，因此計算機網(wǎng)絡安全形勢也日益嚴峻，所以需要采取各種網(wǎng)絡安全技術來解決問題。而入侵檢測技術是網(wǎng)絡安全的主要手段之一，它是一種主動防御的安全技術，它能實時地保護內、外網(wǎng)攻擊和誤操作，使得網(wǎng)絡系統(tǒng)受到破壞之前能夠及時得到響應和處理。但是傳統(tǒng)的入侵檢測技術又存在著許多不足的問題：第一、誤/漏報率高，性能低；第二、實時檢測攻擊行為較差，且難以適應海量網(wǎng)絡數(shù)據(jù)包。因此研究網(wǎng)

2、絡入侵檢測是當今的研究熱門，也符合我國的基本國情。
　　 本文首先介紹了入侵檢測系統(tǒng)和BP(Back Propagation，反向傳播)神經網(wǎng)絡，研究了當前常用的網(wǎng)絡攻擊方法和入侵檢測技術的分類；接著分析了入侵檢測系統(tǒng)的模型和工作過程，BP神經網(wǎng)絡算法的學習過程；然后分析了傳統(tǒng)入侵檢測系統(tǒng)存在的檢測性能、檢測效果的不足：檢測率低，誤報率高。
　　 為使得入侵檢測技術能夠具備實時性、自主學習性、低誤/漏報率等性能，在對現(xiàn)存

3、的PSO(Particle Swarm Optimization，粒子群優(yōu)化)算法進行分析的基礎上，得出PSO算法規(guī)則簡單，收斂速度快，且有很多措施可以避免陷入局部最優(yōu)，同時指出了PSO算法的局限性，提出了一種帶變異算子的PSO算法：MPSO算法，改進后的算法即平衡了粒子群優(yōu)化算法的全局和局部搜索能力，也有效地提高了算法跳出局部最優(yōu)解的能力；為進一步提高BP神經網(wǎng)絡學習算法的收斂速度和精度，將具有全局搜索能力的MPSO算法融合到BP神經

4、網(wǎng)絡中，提出MPSO-BP算法，即用MPSO算法優(yōu)化BP神經網(wǎng)絡的權值、閾值，克服BP神經網(wǎng)絡易陷入局部極值的弊端，并用Iris分類問題分別對BP、PSO_BP、MPSO_BP三種算法進行仿真實驗，實驗數(shù)據(jù)表明，該算法能進一步提高BP神經網(wǎng)絡的收斂速度和精度。
　　 在此基礎上，提出基于改進BP神經網(wǎng)絡算法(MPSO BP)的入侵檢測模型：MPBIDS，該模型包括數(shù)據(jù)捕獲及采集模塊、數(shù)據(jù)預處理模塊、改進BP神經網(wǎng)絡模塊、規(guī)則數(shù)據(jù)