入侵检测系统很好的解决了一些网络安全问题,但随着计算机网络迅速发展,网络传输流量急剧增大,现有的入侵检测系统出现了难以处理海量的数据,自适应能力低,误报率高等缺陷。数据挖掘技术在入侵检测中应用的出现,加快了入侵检测系统处理数据包流量的能力,并快速得到流量特征形成规则,加快对检测到的异常的响应能力,帮助系统管理员处理攻击。这种交叉学科的研究,近年来备受关注。本文首先对数据挖掘技术进行了循序渐进的介绍和研究,主要分析关联规则这个分支技术的分类及求解过程。然后在经典的关联规则算法Apriori及其改进算法的基础上,深入研究Apriori算法的优缺点,并指出这一类算法的存在的诸多问题,如多次扫描事务数据库来计算支持度、迭代自连接运算生成过多的冗余候选集、频繁项集中存在一些无用的项集等。本文提出一种能够较好地解决以上问题的改进方法——非迭代Apriori改进算法。此方案通过对事务进行交集操作得到所有的最大频繁项集,而候选集的支持度由该候选集所做的交集次数决定,无需再扫描事务数据库,这种方法更适合应用在入侵检测方面。最后通过实例和两组实验分别对改进方案进行理论和实践分析检验,性能和效率有所提高。