随着网络的复杂性不断提高，网络安全也越来越受到关注，为更全面的保护网络不受攻击，需要能及时发现恶意行为，并在这种行为对系统或数据造成破坏之前采取措施，入侵检测系统应运而生。入侵检测系统以数据分析为核心采用主动防御的策略，己经成为网络安全的一道重要屏障。入侵检测作为一种主动的信息安全保障措施，有效地弥补了传统安全防护技术的缺陷。数据挖掘作为数据分析的有效手段自然被引入到入侵监测系统的构建当中，基于数据挖掘的入侵检测系统也成为一个新的研究领域。本文以基于数据挖掘方法的入侵检测技术研究为核心，首先对数据挖掘技术和入侵检测技术进行了研究和分析，探讨了数据挖掘方法中聚类算法在入侵检测中的应用，在此基础上，提出了一种改进的模糊C—均值聚类算法。其基本思想是：将马氏(Mahalanobis)距离引入到算法当中，以及在算法中使用矩阵化输入向量来优化算法以适应更多的数据模式。在本文中，分析了入侵检测技术的要点，提出了一种基于改进FCM算法的网络入侵检测方法。该方法的优点是不需要标示或训练数据集。文中使用KDD99数据集作为实验数据，实验结果显示该方法检测未知入侵榆测是有效的，而且它提高了入侵检测系统的检测率和误警率。