随着网络技术的不断发展,很多高等院校都在进行校园信息化建设,随之而来的校园网的安全问题显得日益重要。校园网的特点是用户数量大、上网时间长、在线用户比率高、网络应用复杂、管理策略复杂、存在容易引起海量访问的各种服务器。校园网的安全问题己经成为一个不容忽视和函待解决的课题。入侵检测技术自20世纪80年代早期提出以来,经过20多年的不断发展,从最初的一种有价值的研究想法和单纯的理论模型迅速发展出种类繁多的各种实际原型系统,在近10年内涌现出许多商用入侵检测系统产品,已经成为计算机安全防护领域内不可缺少的一种重要的安全防护技术。目前,相关研究己经成为网络安全领域的热点课题。但是当前市场上存在的商业NIDS,大多比较复杂,比较难以掌握,而且比较昂贵,对于校园网而言是无法承受的。本课题针对校园网的特点和要求设计并构建了一种新的基于数据挖掘的Snort入侵检测系统。主要任务包括:在校园网中布置安装Snort服务器和软件;根据实际需求配置入侵检测系统;开发基于Snort的网络完全应用程序;根据网络面临的安全问题设置Snort规则并添加到规则库;检测入侵检测系统的性能。将数据挖掘技术应用到入侵检测中,把入侵检测看成是一个数据分析过程,利用数据挖掘技术自动构建系统的特征模式,提高了入侵检测系统的准确性、扩展性和自适应性。提出一种改进的K-Means算法,用于构建聚类分析模块插件和预检测引擎插件。