由于无线媒介的开放性,网络攻击方法层出不穷,入侵手段不断更新,特别是为传输政府信息和军事数据构建的Ad-Hoc 网络,使得Ad-Hoc 网络的安全性越来越受到人们重视。目前,将传统的防火墙等被动的网络安全机制应用到Ad-Hoc 网络难以取得很好的效果。入侵检测作为一种主动整体防御技术,弥补了传统安全技术的不足。其主要是通过监控整体网络与系统的状态,用户行为以及系统的使用情况,来检测系统用户的越权使用以及入侵者利用安全缺陷对系统进行入侵的企图,并对入侵采取相应的措施。基于多智能体技术和神经网络技术的分布式智能入侵检测系统的研究成为业界热点,多智能体技术因其所具有的良好的自治性、交互性、适应性整体性被视为在入侵检测系统中极为有用的技术之一,而神经网络技术则因其对未知网络行为的预判性,做为构成人工认知数学描述主要方法,在入侵检测系统领域得到越来越多的关注。应用这类方法的入侵检测系统在主要解决网络安全性问题的同时,侧重解决整个网络因为受到攻击而使得整体服务质量(QoS)下降的问题。本文在对现有入侵检测研究的相关工作进行了综述的基础上,针对对网络危害很大的分布式攻击--拒绝服务攻击(DoS,Denial of Service),构建一个分布式基于人工认知BP-CT 算法的入侵检测系统,它以网络各个节点建立智能体,利用它们之间的协作机制来完成对入侵行为的检测。使用多智能体技术搭建一个入侵检测系统实验平台。这种利用神经网络技术和CT 算法作为基于网络的入侵检测引擎,对分布式攻击发生的可能性进行预测,完成最后的检测安全保护工作。本文对智能体技术、神经网络技术、CT 算法以及网络整体QoS 问题的融合也进行了相应的探讨。本论文首先分析了目前Ad-Hoc 网络所面临的安全威胁,侧重介绍了DoS攻击的相关概念,对现有的解决DoS 攻击的入侵检测系统进行了分析,得出整体防护问题上存在的缺欠,在综合多智能体、神经网络和CT 算法的基础