互联网技术的发展为日常生活带来极大便利,但其中存在安全缺陷所带来的安全问题也时刻威胁着网民的利益,隐私泄露、财产损失事件频发。网络安全防护早已被人们提上案头,保护互联网免受恶意入侵的需求也越来越强烈。简单的计算机防护技术已远远不能满足攻击手段丰富多样的网络环境,对网络安全事件的检测以及融合分析势在必行。本文主要有两个研究内容,一是对于网络安全事件的检测,通过建立模型生成检测网络安全事件最有效的规则;二是在网络入侵发生之后,通过对网络安全事件警报的融合分析,还原出系统遭受攻击的流程,帮助系统的管理者分析系统的薄弱环节。在网络安全事件检测方面,检测规则的准确性对于安全事件的检测至关重要,为了降低误报率和漏报率,需要设置有效的检测规则。人工设置检测规则的方式,费时费力且效率低下。目前国内外相关研究的主要问题在于规则生成算法复杂,且检测效率得不到保障。针对这两个缺点,本文提出一种改进的基于添加变异操作的粒子群优化算法(PSO)检测规则生成算法。该算法使用粒子群优化算法实现简单的优点,在规则空间中快速搜索检测规则的最优取值。并且针对粒子群优化算法易陷入早熟收敛的缺点,在粒子群迭代过程中加入了变异操作,能够在粒子群陷入早熟收敛后让粒子群有能力继续在规则空间搜索最优解。最后,本文使用提出的算法编写了原型系统进行试验,实验结果表明加入变异操作的PSO算法能够提高生成的规则的检测准确率。网络攻击越来越复杂,通常一次攻击会经过多个步骤。从复杂的系统警报之中提取有效信息,正确还原出系统遭受攻击的流程,这对于系统管理员在事后修复系统缺陷来说至关重要。而警报的融合分析可以进行攻击场景的还原,将攻击信息呈现给系统管理员。所以,本文针对警报的融合分析进行了研究,发现目前的融合分析方法主要是基于已知攻击信息进行分析,对于发生的未知攻击无能为力,并且需要大量的训练数据进行训练,算法较为复杂低效。本文从警报的关联分析角度阐述了一种新的网络安全事件融合分析算法,并将警报时效约束关系添加到警报关联值的计算之中,通过警报时效约束算法过滤掉过期警报的干扰,保证还原的攻击流程的正确性。最后本文使用提出的算法,在攻击场景上进行了攻击流程的还原,验证了算法的正确性。