伴随计算机网络的迅猛发展和三网融合时代的到来，社会的政治、经济、文化等各个方面越来越离不开网络，与此同时，网络安全也成为了世界各国共同关注的焦点。据中国互联网络信心中心(CNNIC)2009年6月统计，中国网民规模已达到3.38亿，在2010年1月，国家互联网应急中心声明中国是黑客攻击的最大受害国。这些网络攻击和入侵行为，给国家、企业和个人的信息安全造成了极大的威胁。入侵检测，作为信息安全保障的一个重要环节，已经成为网络安全领域中一个极为重要的课题。　　 现有入侵检测技术存在检测准确性不高、响应速度过慢的缺点，无法满足实际应用的需要。频繁闭合模式能从大量的数据中迅速找出正常或异常的行为模式，将其与入侵检测结合，能提高入侵检测的准确度和速度，频繁闭合模式的挖掘是关联规则挖掘的核心。　　 论文主要研究的是频繁闭合模式的挖掘及其在入侵检测中的应用。本文从网络安全的概念入手，对入侵检测和频繁闭项集在入侵检测领域的应用现状进行了阐述。按照基于异常和基于误用的划分方式详尽的介绍了入侵检测技术，同时，介绍了频繁闭合模式挖掘的概念和CLOSET算法，针对CLOSET算法闭合性检查代价过高的缺点，提出了用变异FP-树弥补其不足，在此基础上，提出了一种新CO-CLOSET算法，并将其应用于入侵检测规则的挖掘，实验表明，CO-CLOSET算法性能表现优异。