入侵检测是继防火墙、数据加密等传统安全保护措施后的又一种新的安全保障技术,其作用在于对计算机和网络上的恶意使用行为进行识别和响应。入侵检测系统的研究是进一步研究网络安全问题的基础,是解决网络安全问题的前提和保证。 数据挖掘技术是利用计算机技术从大量的数据中提取有用的、有意义的信息和知识的过程。作为一种数据挖掘的方法,关联规则揭示了数据中隐藏的信息和知识。按照属性值的不同,关联规则分为布尔型关联规则和多值属性关联规则,在多值属性关联规则挖掘的过程中,将属性值划分到某个区间内,进而转换为布尔型关联规则挖掘问题。而区间的精确划分将导致区间边界比较尖锐,从而有可能导致区间边界附近的信息丢失。为此,引入模糊集合理论,将多值属性转换为模糊区间,从而使得区间的过渡比较平滑,减少区间边界信息丢失的现象。 本文基于模糊关联规则挖掘理论和基于网络的异常入侵检测模型,对模糊关联规则算法进行了改进,设计了一种基于模糊关联规则挖掘的入侵检测系统。分别在系统处于标准状态和当前状态下时,采集网络数据,利用模糊关联规则挖掘改进算法,从采集到的网络数据中提取模糊关联规则,分别建立标准规则集和当前规则集,引入规则及规则集相似度的概念,对标准规则集和当前规则集进行相似度比较,根据不同的相似度值,向用户预警,提示用户采取相应的措施。