针对工业控制系统入侵检测模型对各类攻击的检测率和检测效率不高的问题,提出一种Ada Boost算法优化BP神经网络的入侵检测模型.首先利用主成分分析法对原始数据集进行预处理,消除其相关性;其次利用Ada Boost算法对训练样本的权重进行不断调整,从而获得BP神经网络最优权重和阈值;最后再通过Ada Boost算法将BP弱分类器组合成BP强分类器,从而实现工业控制系统的异常检测.实验结果表明该方法在对各攻击类型的检测率和测试时间明显优于其他算法模型.