网络实现了包括个人、企业与政府及全社会信息共享，随着网络应用范围的扩大，对网络的各类攻击与破坏也与日俱增。计算机网络安全是一个国际化的问题，每年全球因计算机网络的安全系统被破坏而造成的经济损失达数百亿美元。无论政府、商务，还是金融、媒体的网站都在不同程度上受到入侵与破坏。网络安全已经成为国家与国防安全的重要组成部分，同时也是国家网络经济的关键。 网络安全是一个十分复杂的问题，它涉及到网络工程的许多方面，如网络技术、网络协议、入侵检测系统的构建和加密技术等，本论文主要研究了基于数据挖掘的网络入侵检测系统这个课题。内容安排如下： 1.从入侵检测研究背景和发展历程出发，介绍了入侵和入侵检测的基本概念和原理，阐述了将数据挖掘引入入侵检测的背景知识，分析其出发点、可行性以及此领域的研究进展和存在的问题。 2.讨论了基于网络入侵检测系统所使用的系统构架，针对几类不同的攻击方式，构建分类规则，建立分类模型。进行了实验性的攻击测试。 3.在介绍了系列数据挖掘技术的方法的基础上，重点研究了关联规则分析方法。分析了基于数据挖掘的入侵检测系统的结构和功能，提出了入侵检测系统的两个关键问题是误报、漏报问题和检测速度的问题。本文以典型的Apriori为基础，提出了对Apriori算法的改进。进一步论述了加权关联规则算法及其在入侵检测中的具体实现。设计了基于加权规则的入侵检测模型。在论述了把遗传算法应用到入侵检测系统中的前提下，提出了基于关联规则和遗传算法的复合入侵检测模型及其实现方法。这是本文的创新点。 最后对全文工作进行了总结，分析了本论文存在的问题和基于数据挖掘的网络入侵检测系统相关技术的发展方向。