随着计算机网络的迅速发展,信息安全已经成为学术界、企业界所普遍关注的一个重要问题。单纯的防火墙策略已经无法满足信息安全的需要,这样入侵检测技术便应运而生,它可以弥补防火墙的两个致命缺点:无法检测内部网络存在的入侵行为,以及无法检测出不通过防火墙的违反安全策略的行为。但是基于入侵检测基本模型的入侵检测系统不能根据网络数据的变化而自动修改检测规则,系统自适应能力差,需要采用新技术对这类系统加以改进。Wenke Lee首次将数据挖掘技术应用于入侵检测领域,通过实验表明将数据挖掘技术应用于入侵检测领域在理论上是可行的,在技术上建立这样的系统也是可能的。将数据挖掘技术应用于入侵检测系统中的目的是对海量的安全审计数据进行智能化处理,提取出入侵检测感兴趣的内容。本文实现了一个基于数据挖掘技术的入侵检测系统。文中主要论述了系统的四大组成模块,它们分别是数据采集与预处理模块,候选特征构造模块,分类处理模块和实时检测模块。随着需要处理的网络数据量的增加,入侵检测系统的处理速度越来越慢,为了提高入侵检测系统的处理速度,本文提出了一个基于数据挖掘技术的分级入侵检测模型,它能够提高入侵检测系统的处理速度。最后用网络数据源对本文实现的系统进行了实验分析,并和基于分级入侵检测模型的系统进行了比较,实验结果表明本文实现的入侵检测系统具有较高的检测准确率,同时基于分级入侵检测模型的系统在处理速度上也有了明显的提高。