无线局域网(WLAN)因其移动性、灵活性和经济性的特点，目前已得到广泛的发展。随着无线局域网的用户越来越广泛，其安全性的不足也渐渐凸显出来，成为制约其发展的一大要素。目前的入侵检测系统大多只针对有线网络进行入侵的检测，而且当前的针对无线网的安全管理软件基本都用的是基于模式匹配的检测方法，这类算法在检测已知模式的入侵中效果明显，但是对未知模式的入侵检测效果不佳。针对无线局域网的入侵检测系统，本文主要作了以下工作：　　 ⑴提出了分阶段K邻居(KNS)方法。KNS是一种基于数据挖掘技术，采用统计分析，可以发现隐藏的模式的方法。KNS方法首先将待测对象按照自身特点分成不相交的先后有序的各个阶段，再从阶段内部为每个节点查找阶段内部邻居，同时查找连续的阶段之间的阶段邻居，然后计算节点的内部评价值和阶段评价值，最后对内部评价值和阶段评价值进行统计挖掘。　　 ⑵将KNS方法应用到WLAN入侵检测系统中。在入侵检测系统中，KNS方法分为2个过程，学习过程和测试过程，在学习过程中，通过改变阶段内部邻居影响权值和阶段影响权值使得阶段评价值最终稳定到期望值附近较小的范围内，在测试阶段对待测对象计算阶段评价值并和期望值进行比较。　　 ⑶参与设计并实现了KNS入侵检测系统，该系统由无线终端、服务器、控制台三部分组成。在无线终端进行收发数据包，在服务器进行分析，在控制台显示结果并与用户交互。　　 ⑷在实时环境下进行了入侵检测实验。实验中采用了多种入侵方式针对实验室环境的WLAN进行攻击，分别用KNS入侵检测系统和基于HMM的入侵检测系统进行检测，对比结果表明KNS方法可以快速的处理大量数据包并得到较高的检测率和较低的误报率。