安全审计作为实现网络信息安全的重要机制之一,对建立完善的信息安全保障体系具有重要的作用,传统的网络安全审计系统存在着检测准确率低、检测速度慢和自适应性差等问题。为了解决这些问题,近几年,出现了基于数据挖掘的网络安全审计系统,数据挖掘是一种新兴的、并且在很短时间内得到了广泛应用的先进的智能化数据分析方法。数据挖掘旨在从大量的数据中提取隐藏的预测性信息,发掘数据间潜在的模式,找出某些常被忽略的信息,以易于理解和观察的方式呈现给用户。本文对安全审计技术和数据挖掘技术的现状和发展趋势做了大量的研究工作,给出了基于数据挖掘的网络安全审计系统的设计方案和关键技术的实现,重点研究了关联规则算法,提出了基于逆向FP-树的频繁模式挖掘算法。本文的主要工作有以下几点:第一,学习并研究安全审计和数据挖掘技术,找出数据挖掘和网络安全审计在技术上的结合点,建立基于数据挖掘的安全审计系统;第二,重点研究了关联规则算法,学习相应的关联规则算法Apriori和FP-Growth算法,针对这两种算法存在的问题进行研究,改进了算法,提出了基于逆向FP-树的挖掘算法,新算法逆向构造FP-树,然后通过寻找频繁扩展项集与合并子树进行挖掘,挖掘过程中,不产生条件FP-树,改进的算法在时空效率上明显优于现有算法;第三,给出了基于数据挖掘的安全审计系统的实现方案和系统模型图,将改进的关联规则算法应用到系统中,实现了异常行为和攻击检测,提高了审计速度和准确率。数据挖掘技术和基于数据挖掘的安全审计系统是都是目前研究的热点,本文改进了关联规则算法,并将其应用到基于数据挖掘的安全审计系统中,实践表明改进的算法在时空效率方面优于FP-Growth算法并且具有良好的伸缩性。