作为一种主动的信息安全保障措施,入侵检测技术有效地弥补了传统安全保护机制所不能解决的问题。但是面对不断增大的网络流量、日益更新的网络设施和层出不穷的攻击方式,传统的入侵检测技术存在许多不足。先进的检测算法是入侵检测研究的关键技术。本文研究了入侵检测技术和聚类分析技术,重点阐述了模糊聚类算法,剖析了当前的模糊聚类分析过程,提出了改进的模糊聚类算法,并将它用于入侵检测。论文的研究内容主要包括:1.对FCM算法,提出用初始化方法代替随机初始聚类类心的选取,用最优模糊因子α作为模糊加权指标改进现有的FCM算法,降低了误检率。2.将近似K-medians算法引入模糊聚类用于确定聚类中心,较好地避免了空聚类的发生,降低了孤立点对模糊聚类的影响。3.提出了新的相似度函数Dsim(),有效地解决了高维空间聚类选维和降维问题,实现了高效的聚类。4.将函数Dsim()与近似K-medians算法相结合,提出了新的模糊聚类算法--------DCFCM,并将其用于入侵检测。解决了由尖锐边界、孤立点所带来的误报警和漏报警问题,实现了对异常行为的检测。通过KDD CUP 1999[1]入侵检测评估数据集上的仿真实验表明,所提出的算法大大加快了检测速度,提高了检测的效率,而且对新类型的攻击,也有一定的检测效果。