计算机网络在满足人们快捷的共享资源的同时，也频繁的受到攻击和非法的访问，网络安全问题受到了广泛的关注。入侵检测系统是一种主动的安全防护技术，作为网络安全中一个重要的研究领域，近些年来得到了迅速的发展。蚁群算法是一种基于生物种群的模拟进化算法，其高效的仿生过程在各类组合问题中得到了广泛的应用，该算法具有分布式并行计算和自适应以及易于其他算法相结合的优点。而聚类技术是数据挖掘领域的重要研究内容，将蚁群算法和聚类分析技术组合应用在网络入侵检测技术中，充分发挥各自的优点，使得入侵检测的性能更加高效。本文主要对基于聚类技术的异常入侵检测技术进行研究，包括以下几个方面：首先，对当前的入侵检测技术和聚类分析方法进行了全面系统的阐述，分析了现有聚类算法应用于入侵检测时存在的优点和不足。其次，介绍网络入侵检测技术的相关技术，聚类分析技术的相关技术以及蚁群聚类算法应用在网络入侵检测中的发展过程及存在的问题，并在此基础上将遗传算法中变异因子引入到蚁群聚类算法中，通过变异因子可以缩短算法的收敛时间，避免算法陷入局部最优。最后，利用当今研究入侵检测算法公认的KDD cup99数据集进行实验，实验中首先对数据集进行预处理，之后采用簇的标识技术标识出少量的异常入侵数据。实验证明算法对此数据集中的四种攻击的检测率都有相应的提高，进一步证明了改进后的算法具有很好的聚类效果。