入侵检测系统是继加密机制、访问控制机制及防火墙等传统网络安全保护措施后又一种新的安全技术,作为一种积极主动的动态防护技术己成为近年来的研究热点。本文首先介绍了入侵检测相关概念和技术以及数据挖掘相关理论,让读者对入侵检测及方法和数据挖掘概念和算法有了进一步的了解。然后深入分析聚类分析算法,提出基于改进模糊C均值(AMCA-FCM)算法的入侵检测算法,并在KDDCUP数据集上进行了异常检测,最后构建了基于改进算法的入侵检测系统并对系统的可行性进行了剖析。针对数据准备模块中的数据处理环节进行了研究,对数据集中存在的离散属性和不同度量范围的属性,给出了具体的连续化方法和归一化、标准化公式。同时针对模糊C均值聚类效果依赖于初始值选定,提出了对模糊C均值的改进算法,解决了模糊C均值算法对初始值敏感而容易陷入局部最优的问题。从而在保证数据属性值的完整性和一致性的前提下,降低了初始值选择的盲目性,缩短了聚类算法的时间和算法的复杂度,提高了算法的精度。最后,对提出的入侵检测模型和已有的数据挖掘入侵检测模型进行了比对,验证了模型的可行性。