随着全球科技变革的深入推进和网络基础设施的快速发展,现如今互联网已经进入大数据大流量的时代。在这样的时代背景下网络入侵的手段更加丰富,造成的后果也更加严重,而入侵检测作为主动防御系统中的重要研究课题,在未来的安全技术发展中是一个需要不断完善和改进的技术方向。在日益发展壮大的网络数据规模下,传统的入侵检测系统隐藏的问题变得更加突出,尤其在应对高速网络环境下的流量数据采集和报警信息泛滥问题,现有入侵检测系统则显现出很大的局限性。因此,为了解决在现今互联网环境下传统入侵检测系统的高速流量数据采集和报警信息泛滥的问题,本文选择经典的Snort系统作为基础的入侵检测系统研究平台,并结合零拷贝思想和聚类分析的技术对传统入侵检测系统进行改进,通过优化原系统底层的数据采集模块,设计增加报警信息聚类分析模块实现对初始报警数据的深度处理,从而达到改善入侵检测系统整体性能表现的效果。首先,针对入侵检测系统在高速网络环境下抓取流量数据的丢包问题,借鉴零拷贝思想对原系统底层的数据采集模块进行重新优化设计。通过将原系统底层数据采集模块和PF_RING高速抓包库结合起来,协同工作进行网络流量数据采集,可以大大提高系统抓包速率。同时结合PF_RING环形缓冲区特性,开启入侵检测系统多进程工作模式并行采集和处理数据报文,能够大大提高数据处理效率。其次,针对入侵检测系统报警信息泛滥问题,通过将数据挖掘的思想应用到系统报警信息的进一步处理中,在系统识别出入侵行为并输出初级报警数据之后,设计增加了一个报警信息聚类分析模块。在设计的聚类分析模块中,创新性地提出使用聚类分析技术来对初级报警数据进行优化处理,并结合入侵检测报警数据特征对聚类分析模块中使用的传统K-means算法进行优化改进。通过在聚类分析模块处理报警数据的过程中融合入改进的K-means算法,结合Weka应用平台分析经过特征处理和格式转换的入侵检测系统初始报警数据,最终获取到更加高效的报警信息,极大程度上改善入侵检测系统报警信息泛滥问题。最后,根据改进入侵检测系统的总体架构设计,本文完成了整体系统的实现和部署,并进行各个模块和整体系统的功能测试。实验测试结果证明,改进的入侵检测系统不但解决了高速网络下数据丢包和报警信息泛滥问题,并在一定程度上能够避免入侵检测系统漏报误报问题,入侵检测系统整体性能得到了极大的提升。