随着互联网和web技术的迅速普及,人们能够快速且方便的获取信息和发布消息,同时网络安全问题也日渐突出,利用现有的系统漏洞,入侵者可以在计算机上使用恶意代码入侵大多数公司内部网络盗窃财产和重要信息或进行破坏。现在,鉴于这些潜在的威胁,为了提高信息的安全性,人们提出了多种网络安全防护手段。入侵检测系统就是众多网络安全防护手段之中的一种。但是,单一的入侵检测系统只能检测已知攻击特征的入侵活动,而对于未知攻击特征的入侵活动则无法应对。与此同时,伴随着网络环境不断增长的速度,网络攻击手段的日渐增多,入侵检测系统需要处理的网络数据量也随之急剧增长,当数据量超出系统处理能力阀值时,那么入侵检测系统超负荷运作,出现丢包现象,就会造成漏报。因此本文构建了基于蜜罐技术的入侵检测模型(Honeyd-Snort Intrusion Detection Model,HSIDM),本文以Honeyd低交互虚拟蜜罐系统和Snort入侵检测系统作为研究对象,通过对Snort系统的分析,得知Snort系统维持一个规则库,采取与规则库中的规则进行匹配的方法来检测攻击和入侵,对进入系统的数据包进行规则匹配,因此入侵检测系统的性能取决于模式匹配操作所花费时间的多少,大约占据了 Snort入侵检测系统运行时间的二分之一。由此可见,通过改进模式匹配算法能够在一定程度上改良系统的整体运作性能。因此,本文在BMH算法的基础上对算法进行了改进,在算法中引入了哈希函数,从而减少了模式匹配的时间,提高了入侵检测系统的效率。将蜜罐系统引入入侵检测系统,数据流经过Snort系统过滤后,网络数据量减少了,当数据流向Honeyd时也减小了Honeyd的负担,由于Honeyd对外不提供任何业务,所以,任何流向Honeyd的数据都是值得怀疑的,Honeyd蜜罐系统可以对数据进行分析,获知入侵者的意图和攻击手段。从而使管理员加强对真实主机的防护。在本文的最后实验部分,分别对Snort的效率和模型的数据控制功能进行测试,实验结果表明,本文所设计的HSIDM能有效地提高入侵检测的效率和安全性。