随着计算机和网络技术的不断发展，计算机网络的安全问题也日益突出。传统的安全手段对防止非法入侵起到一定作用，但在遭受新型的网络攻击时，系统可能会遭受不可预料的损失，这越来越不能满足用户的需求。入侵防御系统(IPS)是一种动态的安全手段，它已成为网络安全必不可少的重要手段。目前多数入侵防御系统检测率较低、误报率较高，整体性能较低。为克服现有IPS的不足，本文主要对神经网络技术在入侵防御系统中的应用进行研究和探索，具体工作包括以下几个方面： ⑴介绍了入侵防御系统的基本概念，对常用的入侵检测技术进行了研究分析；介绍了神经网络技术的基本原理，并分析了概率神经网络在入侵检测方面的应用优势； ⑵为了提高入侵检测的效率，提出了一种基于AdaBoost算法和概率神经网络的入侵检测算法；设计出了一种基于该算法的入侵防御模型，并对模型的各模块进行了功能介绍、分析。 ⑶对检测算法进行仿真实验，实验结果表明将神经网络应用于入侵防御领域能有效提高检测的准确率和系统性能。