实时攻击数据集含有缺失属性和大量非攻击样本，呈现属性分布不完全和类分布偏斜的特点，不利于聚类分析。针对此问题，提出了一种面向不完全攻击数据集的两阶段聚类算法。算法首先利用标准2-类支持向量机分离数据集中的非攻击样本，使类分布均衡。提出一种不完全样本间的距离度量方法，将该方法应用于最近邻间隔模糊C均值算法实现聚类。实验结果表明，与现有算法相比，提出的算法有效地提高了聚类准确率。