在该论文中我们提出了三种基于数据挖掘中孤立点分析方法的入侵检测算法.其基本思想是将输入空间里的数据点映射到一个特征空间中,然后根据数据点在特征空间中的位置来判断那些数据点是孤立点,我们将那些处在稀疏区域的点作为孤立异常点(即判断为入侵行为).这种方法建立在两个假设的前提上,第一个假设是正常行为的数目远远大于入侵行为的数目.第二个假设是入侵的行为和正常的行为差异非常大.该方法的基本思想就是由于入侵行为是和正常行为不同的并且数目相对很少,因此它们在能够检测到的数据中呈现出比较特殊的特性.因此我们认为正常数据在相同的度量单位下应该聚集在一起,而入侵数据则由于和正常数据行为差异大且数量少,所以应该可以作为孤立点对待.但是对于那些和正常行为非常相似的入侵行为,检测就比较困难,因为这些入侵行为在映射到特征空间后,会与那些与之相似的正常行为之间的距离非常近,造成检测的困难.入侵检测系统是任何一个完整的网络安全系统中必不可缺的部分.基于数据挖掘的入侵检测方法的研究也是目前入侵检测研究的一个重要方向,但离实际应用还有一段距离.这主要是因为基于数据挖掘的方法花费的时间一般都比较多,不能满足入侵检测系统的实时性要求,因此一般基于数据挖掘的入侵检测方法都是用于离线的分析.我们在论文中设计的方法是一种提高基于数据挖掘的入侵检测方法性能的有益尝试,今后还将进行深入的相关研究,力争能使我们的方法应用到实际的入侵检测系统中.