入侵检测是网络安全的重要内容,它是一种积极、有效的网络安全手段。对比传统的静止的防御手段而言,它能主动的进行网络攻击的识别、跟踪以及采取相应的预防措施,因此受到各界越来越多的关注。基于神经网络算法的入侵检测由于其较强的自适应、自学习能力,尤其是对于复杂的训练数据有较强的分析能力,因此在入侵检测中有较好的发展前景。文章从入侵和检测两个方面进行研究。首先对入侵检测和神经网路的基本原理作了简要介绍,并利用NS软件对入侵部分进行了仿真模拟,形象直观的体现了整个入侵过程。随后,文章着重研究检测部分,分析了原始反向传播算法的利弊,并针对其存在的缺陷,提出相应的改进措施:第一,改进原有算法的误差参数,引入交叉熵函数替代均方差函数来稳定算法收敛,改善局部极小点问题;第二,适当调节激活函数,优化函数收敛过程;第三,引入同伦方程进行一次改进权值,并结合动量项方法进行二次改进权值,加快其收敛速度,完善算法理论。同时,找出改进的同伦反向传播算法与入侵检测的切入点,利用MATLAB进行算法平台的搭建,以检验改进后的算法的有效性。比较发现了改进后的同伦反向传播算法收敛速度优于加动量项算法,陷入极小点的几率也有所降低,得出了在一定条件下改进的同伦反向传播算法优于加动量项的反向传播算法的结论。