随着计算机网络技术的普及，信息安全问题日益严峻，已引起人们广泛的关注。入侵检测作为一项具有实时发现黑客攻击模式的技术已经成为保障网络安全的重要手段之一。而将数据挖掘技术应用于入侵检测领域，有助于挖掘出新颖而有价值的概念化告警记录信息，提升发现本质攻击原因和模式的效率。首先，本文介绍了入侵检测的研究背景和发展历史，以及入侵检测系统的概念、原理、分类，并且对不同的入侵检测方法进行了比较。指出了目前入侵检测系统还存在的问题，展望了入侵检测技术的发展趋势。然后本文重点研究了数据挖掘技术中聚类挖掘和关联规则挖掘在入侵检测领域中的应用。在聚类挖掘领域，由于k-menas算法具有易受噪声点和孤立点影响，无法确定k值，对初始质心严重依赖等不足之处，针对这些缺点，提出了改进的k-means聚类算法对其进行聚类。在关联规则挖掘领域，针对Apriori算法扫描事务数据库次数过多，不能直接用于关系数据库的关联规则挖掘，每个属性均采用相同的支持度等缺点，提出了基于最大频繁项集挖掘算法，即求出所有频繁项集，进而推出关联规则的改进算法。最后，构建了一个基于聚类与关联的入侵检测系统。设计并实现了数据采集模块，训练数据模块，预处理模块，聚类分析模块，关联分析模块，检测模块和告警模块。针对官方流行的测试数据集进行相应的测试，对测试结果进行了分析，并且与实际情况进行比对，取得了理想的实验效果。