近年来,随着智能设备与互联网的快速发展,互联网愈加的深入到人们的生活的各个方面,这使得各个软件应用的用户规模逐渐庞大,如今用户规模上亿的产品也屡见不鲜。与此同时,用户的价值也逐渐被重视,活跃用户的规模也成为了衡量互联网产品价值的重要指标之一。然而,庞大的用户规模也吸引了随利益而来的异常用户,异常用户的大量存在不但损害了正常用户的信息安全,更是严重危害了软件应用的信誉评价。因此异常用户检测也越来越受到人们的关注。常见的异常检测方法主要分为三种:有监督的方法、无监督的方法和半监督的方法。异常用户因为其数据稀少,导致标记足量的数据集更加困难,因此虽然有监督的方法能达到较好的异常检测效果,但是却需要大量人力。无监督的方法虽然避免了这一问题,然而目前的无监督方法却没能达到预期的异常检测效果。因此作为结合有监督和无监督的半监督方法正逐渐应用于异常用户检测。本论文提出了一个基于半监督聚类的异常用户检测方案。该检测方案结合孤立森林算法和半监督的模糊c均值聚类算法,首先将已标注的数据进行聚类得到聚类中心,接着将未标注数据中的孤立数据分离出来,并且根据之前的聚类中心得到孤立数据归属于异常用户的可能性,最后利用得到的信息作为先验信息,进行半监督聚类检测出异常用户。经过实验可知,在少量标记数据的情况,该检测方案也能达到良好的检测效果。同时本文也依照该方案设计并实现了基于异常用户检测的安全示警系统,该系统包括数据获取、异常用户检测、系统管理和统计分析等模块,经过系统测试证明该系统能有效的检测异常用户并且稳定运行。