Internet的开放性使得侵入他人的系统越来越容易,基于网络的入侵方式也越来越复杂,网络入侵造成的安全问题也日益成为人们关注的焦点。入侵检测技术作为一种主动的安全保障措施,有效地弥补了传统网络安全防护技术的缺陷,已经成为网络信息安全的一个重要研究领域。将数据挖掘技术应用于入侵检测也取得了一些成果和进展,如何将数据挖掘算法更有效地结合到入侵检测中,是目前研究的热点问题。本文在阐述入侵检测基本概念和类型的基础上,通过研究入侵检测系统和数据挖掘技术,将数据挖掘技术应用于传统的入侵检测系统来处理入侵检测系统中的大量数据。用改进的粒子群算法来对函数进行优化,优化过程中把隶属度函数的参数组合作为粒子,在粒子的迭代进化中可以搜索到最佳的参数组合。通过这个最优的参数集,计算出正常状态和异常状态下两个关联规则集的相似度,当相似度越小,表明异常状态越背离于正常状态,这样最大限度地将两个状态区分开来,提高了异常检测的准确性。