移动Ad hoc网络(MANETs)是由一组带有无线通信收发装置的移动终端节点组成的一个多跳、临时、无中心的网络，具有广泛的应用前景，但其介质开放、动态拓扑、分布式协作、能源受限、缺乏集中监控机制和明确的防护线等特征，造成网络极易遭受攻击，因此安全作为一个至关重要并亟需解决的问题，逐渐成为研究热点。入侵检测技术作为传统网络安全的防线，应用于移动Ad hoc网络中仍面临诸多挑战。本文在马传香副教授主持的国家自然科学基金项目《基于无线Ad hoc网络异常检测的数据挖掘关键技术研究》(NO.60603069)支持下，从入侵检测体系结构和入侵检测算法两个方面展开了创新性研究，提出了一种移动Ad hoc网络能源受限情况下进行入侵检测的解决方案，并将关联分类挖掘技术引入到移动Ad hoc网络入侵检测中。　　 本文提出了一种基于检测节点选择的入侵检测体系结构模型，即只选择网络中部分节点作为检测节点进行网络入侵检测，在能源受限的移动Ad hoc网络环境中提高网络存活时间，保证入侵检测的正常进行。在检测节点的选择问题上，本文采用了一个基于事件触发机制的自适应选择算法(ETBAS)，通过局部网络节点能源信息交互，自动完成检测节点的更新选择，适应移动Ad hoc网络的动态拓扑变化。在检测方法方面引入基于关联规则的分类算法(CBA)的入侵检测算法，并提出动态扩充的改进策略。对四种典型移动Ad hoc网络攻击行为的检测结果表明，基于CBA的入侵检测算法的检测效率和检测准确度都比较高，而动态扩充策略能够有效提高对于隐蔽性攻击行为的检测准确度。