随着计算机技术,网络技术的飞速发展以及广泛采用的分布式计算环境,DDOS网络攻击的行为也越来越多,入侵检测已经是非常重要的防御基础设施中的一种方式。但随着呈指数级增长的数据,传统的方式不能解决目前大规模分布式环境下的网络安全问题。数据挖掘,也叫数据库中的知识发现,能够从大量的数据中找到隐含的有用的知识,数据挖掘有很多种挖掘方式。例如:分类、关联、聚集、序列等。 本文阐述了分布式关联规则算法(FDM)、分布式分类决策树算法(SPRINT)。对这两种算法的特点作了详细的分析和比较,指出了它们各自的优势和不足。并参考这两种算法作者提出了在分布式入侵检测环境下的改进型的分布式关联规则算法(TFDM)、改进型的分布式决策树算法(TSPRINT)。两种算法使用Microsoft Visual C++6.0开发。试验数据用XML统一格式。通过对这两种算法性能的比较,我们得出结论。实验结果表明对分布式的大数据集的挖掘TFDM算法优于TSPRINT算法。