本文提出了一种基于Snort(sniffer and more)的网络入侵检测系统，Snort是一个强大的轻量级的网络入侵检测系统，它具有实时数据流量分析和日志IP网络数据包的能力，能够进行协议分析，对内容搜索或者匹配。它能够检测各种不同的攻击方式，并对攻击进行实时警报。此外，Snort具有很好的扩展性和可移植性。 本文主要分析了Snort系统的架构、工作流程和三维规则链表，并着重分析了该系统的检测引擎及其采用的模式匹配算法。建立了一种基于GM(1，1)模型的入侵检测数据拟合补缺预处理模型，以及一种基于灰关联的监测指标简约算法。针对原系统模式匹配算法的不足，本人运用了新的匹配算法对Snort检测引擎进行了改进，并应用到Snort的检测引擎模块中。证明所采用的算法是有效的，比原系统检测引擎的匹配速度有较大提高。明显降低了误检率和漏检率，减少了系统资源占用量，提高了监测的实时性和准确性。最后提出了经过改进后的系统的优点和缺点，以及进一步的优化改进建议。