在允许各种网络资源以开放方式运作的前提下，入侵检测系统成了确保网络安全的一种必要手段。入侵检测就是发现或确定入侵行为存在或出现的动作，它实际上是一种信息识别与检测技术，而从以数据为中心的观点看，入侵检测本身就是一个数据分析过程。于是，研究数据挖掘方法在入侵检测领域中的应用，自然就成为一个热门话题。本文主要是将关联规则算法用于入侵检测技术当中。 本文通过对现有的关联规则算法分析与研究发现，采用最小信任度这一度量标准并不能保证规则的合理性，可能会生成不相关的规则，因而会给入侵检测工作带来影响。因为最小信任度仅体现事物之间的表面关系，并不代表必然的因果关系。因此生成的关联规则具有相当大的冗余性，且可能是无趣的，甚至是虚假的。 为了避免生成“错觉”的关联规则评判，影响入侵检测系统的检测率。本文在先前研究的基础上，以确信因子为基础，改进了传统的应用于入侵检测中的关联规则算法，提出了将基于确信度的关联规则算法引入到入侵检测技术中，对网络中的入侵行为进行检测。并在关联规则算法中引入冗余判断，使得到的关联规则更加有效，简洁。本文利用改进后的挖掘算法对TCP网络连接记录进行挖掘，以关联规则的形式获得能区分正常网络连接与异常网络连接的典型模式，继而找出所有满足信任度和确信度的分类规则，从而检测各网络连接中的入侵行为。实验证明，改进后的算法对入侵行为的检测率有相应的提高。