随着，Internet的飞速发展，计算机网络已经逐渐成为整个社会基础设施中最重要的一部分，它对社会、政治、经济、军事、科技、教育以及人们的学习、工作和生活都产生了巨大的影响。人们在越来越多地依赖计算机网络的同时也认识到了确保计算机网络系统安全的重要性。因此，研究如何快速地检测出网络入侵行为显得尤为迫切和重要。 当前的入侵检测系统的数据存储模块大多是基于手工建立的，系统构建者依靠自己的直觉和经验来选取异常检测的统计参数，或者需要在分析攻击过程和系统漏洞特点的基础上手工编写相应的入侵规则，因此系统的自适应性很差。针对这些问题，我们在传统的入侵检测系统结构中引入一个利用马尔可夫链构造的分类器，并利用分类算法对网络数据流进行挖掘分类，然后将其自动转化成入侵规则并更新规则库。我们提出的自适应网络入侵检测系统模型不仅能够解决由于专家自身知识的局限而导致所建立的入侵规则库不完整的缺点，而且可以更加快速、高效地建立和更新入侵规则库，从而使得系统能够实时地检测出网络入侵行为。 在深入分析现有入侵检测方法的基础上，通过研究网络数据包广西大学硕十学位论文一基于模式匹配和数据挖掘的网络入侵检测系统方泣的研究的特点，采取将传统的BM模式匹配算法与有限状态自动机相结合的方法，我们设计一个新的多模式匹配算法，进而提出一种高效的网络入侵检测方法。理论分析和实验表明我们提出的基于多模式匹配和序列挖掘的网络入侵检测方法比基于BM模式匹配的网络入侵检测方法快速。