网络和计算机越来越广泛地应用于当今社会，使人们享受着网络带来的诸多好处。与此同时，网络安全问题也愈发突出。入侵检测系统正是一种积极主动的安全防护技术，作为防火墙、数据加密等传统安全防护措施的合理补充，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。　　 入侵检测工作中存在着大量的非线性问题，因此入侵检测系统的智能性逐渐成为研究热点之一。人工神经网络是对人脑生理结构和工作机理的模拟，在求解难以建模的复杂问题方面发挥着不可替代的作用。神经网络对不确定性问题的自学习和自适应能力恰好能够满足入侵检测工作的要求。将神经网络技术用于入侵检测系统中，利用经过训练的神经网络所具有的自适应能力，可以较好地识别已知的攻击，也具有一定的检测未知攻击的能力。　　 本文首先介绍入侵检测系统的概念、入侵检测技术、神经网络等方面的知识。随后引用了学术界最新提出的“样条权函数神经网络”，并对其体系结构和学习算法进行了描述。“样条权函数神经网络”克服了传统神经网络的部分缺陷，并把常数权值变成权函数。为把“样条权函数神经网络”应用于入侵检测系统，本文又提出了利用“行为特征曲线”的概念来描述用户行为特征的轮廓。最后通过设计并实现一个用于入侵检测系统的“样条权函数神经网络”，利用实验数据包对该系统进行了训练和测试。最终的实验结果表明，“样条权函数神经网络”用在基于网络的入侵检测系统方面具有很大的优势。