入侵检测系统作为一种积极主动的安全防护技术，提供了对内部攻击、外部攻击和误操作的实时防护：在网络系统受到危害之前，拦截和响应入侵。现在的入侵检测系统面临着巨大挑战：日趋复杂的计算机网络系统，不断提高的网络速度和愈加高明的入侵手段都要求入侵检测系统提高数据的处理速度，提高识别入侵的准确率，且能够识别出新的攻击。 针对传统自组织映射算法直接应用到入侵检测中存在分类不精确的问题，本文首先提出了一种改进的自组织映射学习和分类算法；然后通过引入自定义变量匹配度、约简率和约简样本量化误差，提出了一种新的基于多层自组织映射和主成分分析的入侵检测模型与算法。该模型运用主成分分析算法对输入样本进行特征约简，并运用分层思想对分类精度低的聚类进行逐层细分，解决了单层自组织映射分类不精确的问题。实验结果表明模型用于入侵检测的效果良好，能准确区分攻击和正常并能进一步指出攻击的具体类型。