随着计算机网络技术的飞速发展,网络和我们的生活变得息息相关,但是网络是一把双刃剑,在带给我们方便快捷的同时,网络安全也已经成为一个至关重要的问题摆在我们面前。现有的安全产品如防火墙、身份认证、加密、防病毒、VPN等在现有的操作系统本身以及各种应用软件的环境下,都不能很好的阻止黑客的攻击。于是,入侵检测技术应运而生。 作者在本论文中首先根据入侵检测系统现状,分析了入侵检测系统漏报警产生的原因,结合前人研究成果,总结了多种降低漏报警的技术途径;通过分析数据挖掘技术和入侵检测系统相结合的可行性,设计了基于数据挖掘技术的分布式网络入侵检测系统(DM-DSNIDS);对系统进行模块化设计,使得该系统具有更好的可维护性和扩展性。并详细阐述各个模块工作原理。由于原有的Snort入侵检测系统是基于单数据包检测的,随着网络海量信息的出现,越来越多的攻击包采用了分片方式来躲避Snort的检测,这里作者通过在该系统关键检测部分引入数据挖掘技术,提出了“二次检测模型”,提供了一种利用数据挖掘技术的检测途径,为今后的研究打下良好的理论基础。 此外,本文还编程实现了该系统的部分模块,主要包括系统客户端与管理平台设计以及它们之间的通信、数据预处理等。最后,利用两种特定的攻击对系统部分模块进行简单的功能测试,通过添加检测规则,使得系统可以检测出更多的攻击。