面对日益复杂的网络环境,企业网络安全防护领域面临着新挑战。根据网络安全监控分析中心的建设需求,某电力公司的网络安全态势感知平台仍存在安全薄弱环节,多个方面需要安全升级。经过调研发现,某电力公司在对网络攻击告警信息进行关联分析时并没有高效的自动化手段,而是依赖于专家知识和手工操作。因此,为了提升公司从海量告警信息中获取有效知识的能力,加快事件处置速度,实现可以快速响应的主动防御,本文针对某电力网络安全告警信息关联性方法和识别进行了研究,并以此为基础设计实现了系统的告警日志分析模块。首先,根据告警日志中存在大量误告警干扰信息和相邻告警日志的相关性很低造成难以提取关联规则等问题,论文采用经典聚类算法去除误告警信息并利用经典关联算法挖掘告警日志之间的内在联系;然后,提出使用基于传统聚类算法改进的DP-Kmeans算法和基于传统关联算法改进的Max-IFP算法,用聚类准确率和平方和误差SSE对比传统的Kmeans算法和改进的DP-Kmeans算法,计算并对比FP-growth算法和改进的Max-IFP算法在同一数据集下的挖掘时间,验证改进算法的准确率和效率,将这两种算法引入告警日志分析问题中,使得数据分析性能得以优化;最后,基于某电力公司态势感知平台框架,利用两种改进算法设计出告警日志分析模块,用于处理告警信息,辅助工作人员决策。论文研究立足于某电力公司实际问题需求,在告警信息的关联性分析方面提出了一种解决方案,对于优化企业的态势感知系统,保障企业信息网络安全有理论和现实意义。