随着网络技术不断发展，入侵技术的多样化，传统的入侵检测技术不能满足系统的入侵检测的需要，为了适应这些变化，新的检测技术应用入侵检测是大势所趋。 由于决策树结构简单，易于理解，分类精度高，不需要人为参数设置等优点，本文探讨了决策树应用于入侵检测的途径。文中改进了决策树在构造的时没有考虑属性之间的相关性的特性，将属性相关性结合信息增益应用于决策树构造，实验证明提高了检测率。 针对移动Ad Hoc网络中结构变化快，多样性特点，文中使用关联规则构建异常检测模型，异常检测模型能够构建正常活动简档，检测出不符合正常活动简档的活动。 针对移动Ad Hoc网络中异常检测模型不能完全反映系统正常活动简档，因而误报率高的特点，用决策树构建一个分类器，对那些异常活动再次分类达到降低误报率。 针对输入到分类器的可疑规则中可能包含有新类型攻击数据的信息，也可能在检测阶段错失对新类型数据的检测，本文使用了分配权值的多标准剪枝方法，改进了决策树的剪枝，从而提高分类器检测新型攻击的能力。