近年来，神经网络技术在入侵检测中得到了广泛应用，其中最具代表的是BP神经网络，但其本身所具有的局部极小性质限制了检测性能的提高。RBF神经网络在一定程度上克服了BP神经网络存在的问题，但如何确定一个合适的RBF网络隐层神经元中心个数又是保证其应用效果的关键之一。因此，将基于熵的模糊聚类和RBF神经网络相结合，提出了基于EFC的改进RBF神经网络算法，并将该方法应用于入侵检测研究。实验表明，该算法可以获得满意的性能。