为了提高入侵检测系统的检测率、实时性及降低误报率，提出一种基于主成分分析方法（PCA）的变惯性因子粒子群算法（PSO）优化BP神经网络算法。该方法结合了PCA理论、BP局部搜索和PSO的全局寻优能力，在数据预处理中，通过主成分分析方法进行特征提取，作为BP网络的输入量。在反复训练学习过程中，通过变惯性因子粒子群算法优化BP神经网络的权值和阈值，达到训练误差精度范围内，将优化过的BP网络用于入侵检测。通过实验分析和比较，该算法提高了入侵检测的正确率、泛化能力和实时性，降低了误报率和漏报率，加快了收敛速度，迭代次数少，有一定的研究意义。