1、隨著計(jì)算機(jī)技術(shù)的高速發(fā)展和信息技術(shù)的廣泛應(yīng)用，數(shù)據(jù)流已在商務(wù)管理中的性能檢測、網(wǎng)絡(luò)流量管理中的異常檢測及報(bào)警、零售業(yè)中的事務(wù)處理等領(lǐng)域中得到廣泛的應(yīng)用。數(shù)據(jù)流的分析和挖掘已成為一個(gè)熱點(diǎn)研究問題。其中，數(shù)據(jù)流頻繁模式的挖掘是數(shù)據(jù)流挖掘中最基本的問題之一，因此數(shù)據(jù)流頻繁模式挖掘的研究更具有挑戰(zhàn)意義。
　　 現(xiàn)行的基于數(shù)據(jù)挖掘技術(shù)的入侵檢測系統(tǒng)不僅對新的攻擊或特征未知的入侵無能為力，而且檢測的實(shí)時(shí)性和準(zhǔn)確性均達(dá)不到實(shí)際應(yīng)用的需求。研究

2、高效的、實(shí)時(shí)性強(qiáng)的數(shù)據(jù)流頻繁模式挖掘算法并將其應(yīng)用于入侵檢測系統(tǒng)中，將會推動入侵檢測走向?qū)嵱?，因此，基于?shù)據(jù)流挖掘技術(shù)的入侵檢測系統(tǒng)的研究在理論上與實(shí)際應(yīng)用上都具有重要意義。
　　 針對現(xiàn)有最大頻繁項(xiàng)集挖掘算法中存在壓縮存儲結(jié)構(gòu)復(fù)雜、結(jié)點(diǎn)維護(hù)量大、時(shí)空消耗偏大等問題，本文提出了一種基于前綴模式樹的最大頻繁項(xiàng)集挖掘算法MMFI-DS。該算法設(shè)計(jì)的壓縮存儲結(jié)構(gòu)-SEFI-tree結(jié)構(gòu)簡單，捕獲數(shù)據(jù)流重要信息元素的能力強(qiáng)，結(jié)點(diǎn)維護(hù)開銷

3、小，采用自頂向下和自底向上雙向搜索策略，可盡早剪掉較短非頻繁項(xiàng)集的超集和較長最大頻繁項(xiàng)集的子集，減少項(xiàng)目集支持度計(jì)算，降低了算法開銷。
　　 針對現(xiàn)有閉頻繁項(xiàng)集挖掘算法存在搜索空間大、產(chǎn)生中間結(jié)果多、時(shí)間效率不高等問題，提出了一種基于二進(jìn)制位的閉頻繁項(xiàng)集挖掘算法A-NewMoment。該算法采用二進(jìn)制位圖技術(shù)設(shè)計(jì)了BV-DFIlist數(shù)據(jù)結(jié)構(gòu)來記錄數(shù)據(jù)流信息及閉頻繁項(xiàng)集，提出“不需擴(kuò)展”與“向下擴(kuò)展”搜索策略，快速挖掘出頻繁1-

4、項(xiàng)集所產(chǎn)生的支持度為最大、最長閉頻繁項(xiàng)集外的其余閉頻繁項(xiàng)集，避免生成大量中間結(jié)果，提高了算法的時(shí)間效率;研究“動態(tài)不頻繁剪枝策略”從存儲閉項(xiàng)集的HTC表中快速刪除非閉頻繁項(xiàng)集和“動態(tài)不搜索策略”維護(hù)所有發(fā)生變化的閉頻繁項(xiàng)集，降低閉頻繁項(xiàng)集的維護(hù)代價(jià)，提高算法的時(shí)間效率。
　　 針對現(xiàn)有的算法精確度不夠高，結(jié)點(diǎn)維護(hù)代價(jià)高，時(shí)空效率低等問題，提出了挖掘Top-K閉頻繁項(xiàng)集算法MTKCFI-SW。該算法設(shè)計(jì)了結(jié)構(gòu)緊湊的前綴模式樹CFP

5、-tree來壓縮存儲數(shù)據(jù)流滑動窗口內(nèi)的有效信息，結(jié)點(diǎn)存儲信息量少，降低結(jié)點(diǎn)維護(hù)代價(jià)，提高算法的時(shí)間效率。CFP-tree無需固定滑動窗口尺寸大小，在任意滑動窗口尺寸大小的情況下及時(shí)捕獲新增數(shù)據(jù)流信息。采用指針操作技術(shù)，不需遍歷整個(gè)CFP-tree，從CFP-tree中刪除大量不頻繁項(xiàng)目，提高算法的時(shí)間效率。采用“動態(tài)確定”挖掘閾值與剪枝閾值，提高算法的精確度與時(shí)間效率。
　　 為提高現(xiàn)有的入侵檢測系統(tǒng)實(shí)時(shí)在線挖掘效果和檢測精度，