入侵检测系统的主要目标是鉴别网络的正常活动和入侵行为。本文介绍了一种新型的基于改进的混沌进化优化的径向基神经网络的入侵检测模型。特征选择和结构优化是径向基网络应用的两个主要任务。这篇论文中我们主要集中在解决结构优化的问题。遗传算法是模拟自然遗传学机理和生物进化理论而形成的一种全局并行地随机搜索方法，具有强鲁棒性，并具有收敛到全局最优的能力。我们使用混沌遗传算法来优化径向基网络的结构，使它能够克服现存径向基网络的缺陷。在研究过程中，我们提出了一种新的关于径向基网络隐层中心和宽度参数的编码方法，使这两个参数能够在各自的搜索空间进行优化。我们使用训练数据对网络进行训练。当训练结束后，对训练好的网络进行测试，并将此网络的性能与其它使用径向基网络的入侵检测模型进行比较，结果显示改进的网络具有明显的优越性。 本文所做的主要贡献有：(1)在遗传算法优化径向基神经网络的过程中提出一种新的关于径向基网络隐层中心和宽度参数的编码方法，使这两个参数能够在各自的搜索空间进行优化。(2)将混沌引入遗传算法优化径向基神经网络的过程中，使初始种群的质量得到显著提高。(3)将改进的混沌遗传径向基神经网络算法应用到入侵检测中，并得到了很好的结果。