随着网络的发展,网络与计算机越来越广泛的使用在现今社会,电子银行、电子商务等网络服务正在悄悄地进入人们的生活。与之俱来地,网络攻击也在不断地增加,人们现在已经认识到了保证网络安全的重要性。入侵检测系统正是一种积极主动的安全防护技术,它可以监视主机系统或是网络上的用户活动,发现可能存在的入侵行为,入侵检测系统的研究和实现已经成为现在网络安全的重要课题。为克服现有入侵检测存在的不足,本文从特征提取、模糊神经网络应用于入侵检测、算法优化等方面进行了系统研究。因此,本文首先对入侵检测技术的概念、入侵检测的分类、模糊神经网络、遗传算法等方面作了一个简要的介绍。然后重点研究了在收集到原始特征数据后,如何对这些数据进行有效分析及报告结果这一领域中研究的重点问题。基于上述研究,本文提出了一个入侵检测模型,在模型中引入了具有强大分类能力的模糊神经网络技术,采用了在入侵分类方法和入侵检测标准化方面的研究成果。提出了利用模糊BP 算法与遗传算法交替训练模糊神经网络的方法,该算法克服了传统BP 算法与遗传算法的缺陷。最后我们对模糊神经网络入侵检测模型FNNIDM(Fuzzy Neural Network Intrusion Detection Model)的核心组成部分进行了设计、分析和实现,并最终取得了很好的实验结果。