数据库管理系统是信息系统三大支撑平台之一，数据库系统的安全是信息安全研究的重要组成部分。数据库入侵检测是保证数据库安全的最后一道防线，目前数据库入侵检测的研究尚处于起步阶段，提出的方法大多基于数据挖掘技术。本文将研究重点放在关联规则挖掘的经典算法——Apriori算法的改进上，并将改进后的算法应用到数据库入侵检测系统。通过分析Apriori算法生成频繁项集的过程，发现在连接步产生大量的支持度为0的无用项集，这些项集的生成是由于没有考虑布尔属性之间的互斥性，作者据此提出互斥属性的概念，并将其分为显式互斥属性和隐式互斥属性两类。针对显式互斥属性，提出改进的数据预处理算法，在进行数据集转换时，对互斥属性进行标记，这些标记可以避免显式互斥属性的连接；针对隐式互斥属性，提出改进的Apriori算法，在计算C₂中候选项集的支持度时，对隐式互斥属性进行标记。通过避免互斥属性间的连接操作，减少必须分析的k-项集的数量，从而节省挖掘频繁项集所需的时间。将改进的数据预处理算法和改进的Apriori算法应用于数据库入侵检测系统，提出一个基于数据挖掘技术的自适应的数据库入侵检测系统模型。模型中，针对滥用检测规则生成的局限性，提出将改进的Apriori算法的中间结果运用到滥用检测规则的生成中，不断完善滥用检测规则库；结合滥用检测和异常检测的特点，先进行滥用检测，再进行异常检测，降低漏检率和误警率；提出根据检测结果，不断更新规则库，提高系统的自适应性。