随着人们对于网络依赖程度的加深,网络安全中的问题以及个人信息和隐私的保护受到了广泛关注,成为研究的热点问题。网络中的设备如服务器主机、防火墙、交换机、路由器等都会记录日志,通过对日志数据的分析来发现网络中的异常行为是研究网络安全的一种重要方法。数据挖掘为从大量数据中搜索关联信息提供了方法。在数据挖掘中,蚁群聚类算法是一种优秀的聚类算法,可以在不具备任何先验知识的情况下实现自主聚类,并且具有灵活性、健壮性和可视化等优点。但是,由于蚁群聚类算法的聚类时间花费较长,在聚类效率和聚类的准确率上都还有很多改进和提高的空间。在日志分析领域,对蚁群聚类算法的研究也很少。日志文本有其自身的特点,如果针对日志文本的特点有效地将日志文本转化为向量,将更有利于聚类的划分。针对以上这些问题,本文对蚁群聚类算法进行了深入的研究,并对算法提出改进。本文首先结合日志文本的特点,提出一种新的将日志转换为向量的方法,该方法使转换后的向量尽量保留了原始日志文本中词的信息。本文从两个方面改进蚁群聚类算法。第,为蚁群设置记忆,记录最近被成功放下的对象及其位置信息,减少了离群点和错分点的数量,提高了聚类的准确率和效率。第二,增加对象适应度列表,改进蚂蚁拾取对象策略,提高了聚类质量。最后,在实验中通过对比不同算法对日志数据集进行聚类的结果,验证了改进的有效性。本文中改进后的算法在时间花费可以接受的情况下,聚类准确率和聚类质量都大幅提高。