基于人工神经网络（ANN）的入侵检测系统是一个非常活跃的领域，可以检测网络上的正常或攻击连接，并且可以提高入侵检测系统（IDS）的性能，可以降低建立入侵活动时的闪烁警报率。 当前，越来越多的用户使用计算机网络和基于云的计算技术。 计算机和网络安全已经受到并且仍将受到很大关注。 任何意外入侵都会损坏网络。 商业，金融，医疗，安全部门等领域使我们依赖于计算机网络。 对于我们需要强大的入侵检测系统的安全系统来说，这是很重要的，因为入侵检测系统必须能够监视承载大量数据包并报告系统中发生的恶意活动的网络。 因此，需要一些策略来保证最佳的安全性，以监视计算机网络中的异常行为。 提供了对即将到来的技术和各种方法的讨论，这些技术和方法有望提高计算机系统检测入侵的能力。 在提出的方法中，人工神经网络（ANN）算法用作分类器，通过训练和测试KDD CUP 99数据集来检测正常记录和攻击记录。 事实证明，具有10个神经元和2层神经网络的FFNN优于具有不同神经元数目和2层神经网络的FFNN。
