在全球信息化的今天,信息网络已经涉及到国防、军事、政治、经济、文教等诸多领域,并且在社会生产和生活中也起到至关重要的作用。计算机网络的日益复杂化,随之而来的网络安全问题也日益严重。作为网络安全中的一种重要防护技术的入侵检测,逐渐成为了网络安全领域的重要研究对象。随着网络的不断发展,入侵形式也越发复杂化、多样化,对入侵检测技术要求越来越高。针对当前入侵检测技术的不足,本文将数据挖掘技术引入到入侵检测中,从数据处理的角度对入侵检测技术进行研究和改进。本文首先对入侵检测的概念及相关的技术和数据挖掘技术进行了详细的介绍,为入侵检测中引入数据挖掘提供了理论依据;然后着重点分析了聚类分析算法中的K-means算法和关联分析算法中的Apriori算法,针对K-means算法和Apriori算法缺点提出了相关的改进,通过实验证明了改进的可行性。最后对Snort入侵检测系统进行了分析,在Snort系统的基础上引入数据挖掘算法构建了一个基于数据挖掘的入侵检测系统模型,并对系统进行详细的分析和讨论,将改进后的K-means算法和Apriori算法应用到其中。测试结果表明,将数据挖掘引入到入侵检测中不仅提高了检测效率而且使得系统具备了检测未知攻击的能力。