随着网络技术的飞速发展和网络应用范围的不断扩大,对网络的各类攻击与破坏与日俱增。在网络安全问题日益突出的今天,如何迅速有效地发现各种入侵行为,对于保证系统和网络资源的安全显得十分重要。传统的防火墙、数据加密等静态防御方式已很难胜任网络安全的需要,而入侵检测系统是一种积极主动的安全防护技术,它是信息安全保护体系结构中的一个重要组成部分,针对入侵检测方法和技术的研究己经引起人们越来越多的重视。入侵检测中对未知入侵的检测主要是由异常检测来完成,传统的异常检测方法需要构造一个正常行为特征轮廓的参考模型,但建立该特征轮廓使系统的开销非常大,此外,入侵检测系统的可扩展性、自适应性也较差,无法检测出未知攻击,为了克服这些不足,本文重点研究了如何把聚类技术应用于入侵检测这一领域。首先,论文对入侵检测技术、模型以及无监督方法进行了简要介绍,然后引出了聚类算法,在此基础上还建立了一个基于聚类的入侵检测模型,该模型的优点在于不需要用人工的或其他的方法来对训练集进行标识,能够比较有效的检测真实网络数据中的未知入侵行为,同时在检测过程中,随着有效信息的不断增加,模型得到了更新,使增量聚类后的新模型比原有模型的检测性能有了很大提高。