随着科技的发展,互联网在世界中的作用越来越大,数据安全是互联网安全中最重要的部分。数据存放在数据库中,数据库的安全受到威胁就等同于数据安全受到威胁,一旦数据库发生数据泄漏那么带来的损失是难以估计的。研究显示,数据库用户内部攻击对数据库安全的威胁远大于外部攻击的威胁,对于来自数据库内部的合法用户异常行为的检测就显得尤为重要。在前人的工作成果基础上,提出了基于半监督学习的数据库用户异常行为检测方法。提出了以五元组形式来描述数据库用户行为,对其进行特征提取。五元组提取数据库用户行为特征综合了已有的多种方法的优点,可以完整且简洁的对数据库用户行为特征进行描述。Tri-training算法是一种半监督学习算法,在单一视图基础上采用三个基础分类器对训练数据集进行训练学习,容易产生噪声数据导致算法反向优化,且算法训练迭代次数过多。提出了改进的Tri-training算法,在基分类器中使用了集成学习的思想同时引入了分歧率的概念对训练次数进行控制,减少噪声数据的产生,降低了算法重复迭代训练导致反向优化的可能同时减少了算法训练时间。对提出的基于改进Tri-training算法的数据库用户异常行为检测系统进行测试,通过对实验结果数据的测试与分析,发现提出的改进Tri-training算法相较于其他算法在检测效果以及训练时间上有着较为明显的优势。