随着网络的快速发展和网络应用范围的不断扩大,网络正在影响社会的政治、经济、文化、军事和生活。为了共享和利用网络信息和资源,越来越多的个人、企业及政府部门将电脑连接到网络上。人们对网络的依赖程度越来越强。网络给人们提供了便捷的交流和管理平台。然而,伴随着网络的迅速发展,它也产生了各种各样的问题,其中,网络安全问题成为最重要的问题之一。据有关数据统计,每年全球因安全问题导致的损失可以用万亿美元的数量级来计算。网络安全直接影响国家、企业和个人的利益。传统上,防火墙是被采用最多的安全防范措施。然而随着攻击者知识的日趋成熟,攻击工具与手法的日趋复杂多样,单纯的防火墙技术已经无法满足人们的需要。因此,网络的安全与保密问题也越来越重要。面对诸多挑战与威胁,入侵检测与防范技术必然成为当前安全审计中的核心技术之一。入侵检测起着主动防御作用,是对防火墙的有效补充,是网络安全的重要组成部分。本文提出了一种新的入侵检测系统模型,模型结合无监督分类器和有监督聚类算法,不同层次分别运用了决策树、朴素贝叶斯和贝叶斯聚类算法,建立了一个三层混合式网络入侵检测系统。同时,我们对朴素贝叶斯方法做了改进,即不同的模型运用不同的属性。实验证明,该模型很大程度上提高了检测率,尤其是U2R和R2L攻击类型,检测率得到显著提高。