近年来互联网发展迅速,对人们的生产生活产生了重要的影响,极大的促进了社会的发展。但与此同时,与网络相关的攻击与破坏的行为不断产生,攻击的方式与环节层出不穷,严重的影响了互联网用户的正常运转,这一问题已经引起了越来越多人的重视。因为各种攻击的手段不断的发展,原有的传统的网络保护系统已经难以实现互联网的安全运行,这种静态的网络防御手段趋于单一化、片面化。因此,入侵检测技术在这样的网络趋势中得到了快速发展,必将成为未来技术研发领域的重要内容。这种方式极大的改变了传统的研究内容和手段,并不是一种被动的安全监测,而是主动进行入侵的监测,成为网络安全领域重要的补充内容。互联网的发展日新月异,在新的网络进程中,对于入侵的监测必须提升监测的方法和效度。而原有的检测方式已经很难适应新时期的监测需求,导致检测失误的可能性增大,对网络安全产生了隐患和漏洞。结合当前检测中存在的问题,笔者以为应该创新入侵检测的手段,聚类分析和随机森林都是现有的合理的监测手段,可以将其进行结合,综合利用两者的优势,提升监测的效度。首先,阐述入侵检测在国内外的研究现状,及本文的研究背景、方法与内容。其次,进行相关的理论研究,探索入侵检测研究的现状和阶段,解释涉及到的概念。再次,重点阐述聚类分析算法的特点和运用手段,运用数据的方式,对传统的方法进行革新,提升数据的可用性。分析聚类分析的优势和长处,客观辨识这种算法的缺点,探索聚类分析算法的实际模型,产生对聚类分析的合理性看法;然后,结合随机森林在入侵检测技术中扮演的角色,研究随机森林检测方法的特点,构建相应的模型,考察其对入侵检测的水平和效度。最后,本文结合相关的研究对两种算法的结合提出了可行性的建议,再具体的监测中结合两种算法的优势,趋利避害,增强监测的效率,对未来的互联网安全领域的监测进行展望。