本文提出数据库中存在的一种新的异常——数据库累积异常。现有的针对数据库安全的研究还未对此作以系统深入的研究。基于模糊集理论,本文提出基于可疑度决策模型(Dubiety-Determining Model,DDM)的数据库累积异常模糊识别方法。在给出数据库累积异常的基础描述后,形式化定义了数据库累积异常语义下的概念系统,定义了基于累积量的数据库事务可疑度的量化测定方法,这是数据库累积异常识别的核心内容。然后,本文提出了基于集合间相异度和条件相异度的一种k-模聚类方法,对数据库事务集聚类分析,从而为监测规则的设定提供重要参考。其中对条件相异度的计算,一种基于字符串匹配的方法,另外一种是基于本文提出的逻辑树概念。接下来,本文详细描述了基于DDM的数据库累积异常主动模糊识别方法,包括基于累积量子模型和可疑度子模型的可疑度决策方法、DDM的训练策略等。在对数据库事务进行可疑度决策,是基于数据库事务的审计记录和设定的匹配规则进行的。根据DDM,设计并实现了一个数据库累积异常模糊识别原型系统,并在该原型系统上实施了模拟实验,对基于DDM的数据库累积异常主动模糊识别方法的可行性、有效性进行了验证,对该方法在宿主数据库上的性能影响进行了分析。最后,本文研究了基于DDM的数据库累积异常模糊识别在分布式数据库环境下的探测器模型,主要分为对等结构和层次结构的两种模型,并研究了两种结构的模型的站点协同机制,并对二者作以简单比较。本文提出了数据库累积异常的概念,并对其做了系统的描述和定义,提出了基于DDM的数据库累积异常模糊识别的一般方法。实验结果表明该方法是可行的、有效的。本文还对该方法在分布式环境下的模型做了初步研究。