现有入侵检测系统大多数依赖于流量之间特征共性建立网络安全域模型,而少有考虑单条流量自身特征之间相互关联关系的检测系统。因此,提出一种基于模糊理论和改进Apriori算法的入侵检测模型。改进的Apriori算法利用矩阵和位运算,改变传统Apriori算法由低维度到高维度顺序生成频繁项集的方式,借助布尔向量(boolean vector)按插叙的方式高效地生成频繁项集,该算法称为BV-Apriori(boolean vector apriori)算法。再利用BV-Apriori算法生成匹配规则库,引入模糊集合技术解决连续型数据划分过程中边界过硬的问题,完成特征之间关系的实时分析与规则库的更新,搭建入侵检测BVA-IDS(boolean vector apriori-intrusion detection system)模型。研究结果表明,相比顺序生成频繁项集的Apriori算法与已有文献的Apriori-BR算法,本文的BV-Apriori算法挖掘效率显著地提高;相比已有文献的检测模型,本文的BVA-IDS模型在入侵检测指标上表现较好,有较高的检测准确性与较低的误检率和漏检率。