对分布式网络资源用户的信息进行快速获取，能够有效整合网络用户，提高网络运行效率。对资源用户信息的获取，需要对BP 神经网络误差函数权值进行更新调整，对数据结构神经元之间连接权值进行修正。传统方法根据本征模函数上的数据结构包络，采用3α 原则与计算获取阈值的对比，但忽略了对数据结构权值的修正，导致获取精度偏低。提出一种基于BP 神经网络的资源用户信息快速获取方法，对数据结构原信号的尺度缺失进行补充，采用BP 神经网络计算其误差函数，同时利用梯度下降法对BP 神经网络误差函数权值进行更新调整; 引入动量因子α，将BP 神经网络学习模式不断输入到输入层，对数据结构神经元之间的连接权值进行修正，实现对分布式网络资源用户信息的快速获取。实验结果显示，所提方法具有高快速获取率、低误报率的资源用户信息快速获取性能，且大大提高了收敛速度。