近几年来随着智能手机普及,智能手机不仅有电话和短信的基本功能,最重要的是用户通过智能手机可直接与网络连接.同时越来越多的手机病毒让手机用户饱受其苦,每个人的手机中都包含许多非常隐私的个人信息,一旦外泄这些信息,给用户带来的损失是无法估计的.那么主动防御病毒入侵智能手机的研究迫在眉睫.本文对智能手机入侵检测系统的研究就是根据这个现状提出的.入侵检测技术的发展已经应用在很多领域,成功开发了很多产品.但是在智能手机中入侵检测的优势还没有得到充分的发挥,入侵检测采用的技术有多种类型,其中基于数据挖掘技术的入侵检测技术成为当前入侵检测技术发展的一个热点.基于数据挖掘的入侵检测模型中,有很多种算法应用于入侵检测并能达到良好效果.那么针对智能手机对未知威胁判断能力不足的现状,本文的工作内容就是以智能手机为研究平台,将数据挖掘中的分类,关联规则、聚类以及支持向量机分类等算法与入侵检测相结合,改善其主动防御性能力,提高检测未知入侵的能力.本文具体工作如下：1)采集并统计智能手机在正常状态和受攻击状态下的各项信息,比如智能手机的网络流量、CPU利用率、手机内存等信息.2)获得实验原始数据后,整理形成训练集和测试集,对不同的建模方式进行测试,包括数据挖掘中的聚类——DBSCAN算法、分类——贝叶斯算法、关联规则——Apriori算法和支持向量机中的C-SVC, v-SVC和One-Class-SVM.3)统计分析实验数据.