【摘要】随着云时代的来临，大数据的运用也得到了越来越多的关注。大数据的核心内容就是发现数据中隐含的价值链，为决策过程提供可借鉴的参考。聚类算法是数据挖掘的一个归类方法，而 K-means 是以划分为基础的聚类算法。在网络安全监测中，通过使用由 K-means 构建的网络安全监测模型，可以显著提升在大数据条件下提取数据的可靠性，减少检测误报率，从而减少网络安全异常数据的选取时间。由于传统的 K-means 算法在数据类型预处理、初始节点选择以及 K 值选择等方面存在不确定性，造成了入侵检测的效率下降，本文对传统的 K-means 聚类算法实行改进，并结合使用 KDDCup99 数据集进行试验，表明改良后的 K-means 算法的检测精度和测量效果要优于传统算法。