该论文主要做了以下工作:1.对比入侵检测系统和多传感器数据融合系统的功能模型,说明把数据融合思想引入大规模分布式入侵检测系统的可行性;2.总结了当前入侵检测系统中存在的问题和原因;3.给出一个LDIDS数据融合部件的功能模型,此功能模型采用树型分级结构,具有良好的扩展性,通过聚类、合并、关联三个子模块分步对靠警信息进行融合;4.详细描述了一个数据融合算法,该算法对多个信息源产生的告警进行聚类、合并和关联处理生成高质量的告警.该论文的概述如下:针对大规模分布式入侵检测系统中的告警洪流、告警关联性差、误报率高和扩展性差等问题,该论文从数据融合的角度考虑改进入侵检测系统.为此,我们在入侵检测系统中引入一个数据融合部件,此部件的功能模型采用树型分级结构,具有良好的扩展性,并且通过聚类、合并、关联三个模块实现对多个信息源的简单靠警的融合处理,从而能消除冗余告警、实现不同入侵检测系统之间的功能互补,有效检测复杂的攻击,最终减少告警量、降低误报率,提高大规模分布式入侵检测系统的检测性能.