1、在如今網絡技術發(fā)展迅速和網絡應用范圍越來越擴大的今天，對網絡的各類攻擊和對網絡的各類破壞也越來越多，人們開始越來越重視對網絡的各類攻擊和對網絡的各類破壞的防范。我們也漸漸意識到以往使用的入侵檢測系統模型不能滿足如今網絡新環(huán)境的要求，譬如檢測率不高、適應性不強的缺點，所以我們需要試圖去尋找到更優(yōu)良的檢測方式，提高以往的入侵檢測系統的檢測效能。數據挖掘技術方法具備良好的自適應性和實用性。將數據挖掘技術應用到入侵檢測中，將提升檢測系統的智能化

2、和自適應性，提高系統的效率和精度。
　　 本文首先詳細講述了網絡入侵檢測技術的理論和數據挖掘技術的理論。然后分析了以往的入侵檢測系統存在的不足，隨著數據挖掘技術的不斷發(fā)展，數據挖掘技術具有挖掘數據之間潛在關系的特點可以補充以往入侵檢測系統存在的缺點，從而提出將數據挖掘技術與入侵檢測系統有機結合的理論，提出一種將數據挖掘技術應用于入侵檢測系統的智能模型。用數據挖掘技術與入侵檢測技術相結合的模型與以往入侵檢測原理不同的是，這樣的模型

3、主要利用數據挖掘技術可以從大量的數據中自動地挖掘出未知的入侵模型。本文重點研究了挖掘頻繁模式的經典算法Apriori算法和FP-growth算法，并在經典的FP-growth算法上做了改進，研究了一種用矩陣存儲，并在矩陣基礎上進行頻繁模式挖掘的的MFP-樹挖掘算法，并將此基于關聯規(guī)則的數據挖掘算法應用到入侵檢測系統中，用實驗說明了該算法的有效性，論證了基于數據挖掘技術的入侵檢測系統的有效性，有效解決了入侵檢測系統的挖掘速度不高，自適應差