数据挖掘是一种通用的技术,它是从大量的数据中提取人们感兴趣的模式的过程。将数据挖掘技术应用到网络安全当中,建立网络入侵检测系统模型,就是通过建立我们所需要的网络行为模式,以数据挖掘算法来判断系统的行为。其中检测模型主要涉及到误用检测和异常检测两种技术,其应用研究的也主要集中在这两个方面。误用检测技术主要是通过连接记录特征属性的建立,以分类算法来判断已知的入侵行为,其中记录模型特征的建立最为重要。异常检测技术的主要优势在于可以检测出未知的攻击行为,是未来入侵检测技术发展的方向,本文主要应用了模式比较和聚类算法来建立异常检测模型。本文共分为六个章节,第一章主要阐述了网络安全的基本现状,介绍了国内外的研究方向,提出了以入侵检测为应用的解决方案。第二章介绍了入侵检测和数据挖掘的基本概念,分析了以数据挖掘技术建立入侵检测模型的可行性和主要过程。第三章讨论了以分类算法为主的数据挖掘技术来建立误用检测模型的过程,主要分析了特征属性数据的改进办法。模式比较引入了相似度的概念,通过比较相似度来判断系统行为;应用聚类算法是一种无须指导的异常检测技术,具有显著的特点,在第四章主要讨论研究了这两种异常检测技术的应用。第五章就是利用前面所讨论的方法建立误用和异常检测模型,分析了主要系统构架,以及进行实验性的攻击测试。第六章对本文的主要研究内容做了总结,并对未来工作的做出展望。