如今,网络安全问题层出不穷,面对这些安全问题,出现了各种各样的安全产品,如入侵检测系统、防火墙、安全漏洞扫描、防病毒软件等,它们分别从不同的侧面保护着网络系统的安全,对网络安全起着重要作用。与此同时,部署在网络中的各种安全产品,每天都会产生大量的安全事件(日志文件),这些事件对于检测、分析、评估、监控、预测和关联各种网络安全事件和威胁有非常重要的价值;然而,如何从浩如烟海的海量安全事件数据中提取出有价值的信息呢?因此,本论文根据以上问题提出了基于数据挖掘和信息融合技术的解决方法。本文首先介绍了国内外对安全事件管理的研究状况,然后提出了数据挖掘和信息融合技术,并对这些技术在安全事件数据中的应用作了详细的叙述并给出了具体的算法。这些技术包括:关联规则、统计、预测分析、数据融合等。关联规则能发现数据中的属性字段之间的相关性,利用数据挖掘中的统计技术我们可以从纷繁杂乱的海量数据中得出条理清晰的统计数据报表。利用预测分析技术,我们可以从已发生的事件中预测将来有可能会发生的事件,利用融合技术可以从整体上对安全形势进行深入地分析。紧接着,本文给出了一个详细的基于数据挖掘和融合技术的系统实现模型,系统的主要框架包括以下几个部分:安全事件数据的收集、处理与入库、数据的分析与挖掘,以及挖掘结果的可视化。最后,本文在数据挖掘技术的系统实现模型的基础上,给以总结,说明了数据挖掘和信息融合技术在安全事件管理中的实用价值和前景。