利用先进的智能检测技术及结合分布式体系结构是当前入侵检测研究的一个主要方向。本项目是为了解决传统的入侵检测方法无法应用于大规模网络入侵检测的问题，以基于P2P、网格与智能入侵检测技术的理论研究为基础，利用P2P 与网格的优势互补来建立一种基于 P2P-Grid 融合环境下的智能入侵检测系统模型框架，并在该模型中通过引入分布式学习的算法来进行并行的数据处理，算法中利用神经网络和有效的数据分割等技术来加以设计和实现。算法的特点是大数据集可被随机分割，并随后分发给独立的神经网络来进行并行学习，在降低分割算法复杂度的同时，可保证学习结果的完整性。在该模型中，对算法的测试是采用标准的入侵检测测试数据集KDD99 Data Set，并与其他方法在相同数据集上的测试结果来进行比较分析，预期达到的主要目标是基于该模型框架的入侵检测系统能具有较高的检测效率和较低的误报率。