文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 基于改进隐马尔可夫模型的网络攻击检测方法
侵权投诉

基于改进隐马尔可夫模型的网络攻击检测方法

提出了一种基于改进隐马尔可夫模型的网络攻击检测方法。正常的网络行为符合一定的语法规则,异常的行为会偏离正常的语法规则。通过对正常行为样本的学习得到的基于隐马尔可夫模型的语法可以根据网络行为和语法的符合程度有效地检测正常行为和攻击行为。在基于现实数据的实验测试中,得到了比较好的检测性能。

通

信

学

报

第 3卷 1

显著偏离正常的行为模式时识别为异常行为。在复杂的攻击检测任务,如针对 DDo ( S分布式拒绝服

算法按请求中不同的属性分类,从每一类的正常请求样本中学习得到的语法规则,以隐马尔可夫模型表示。这种方法可以自动学习应用程序的正常访问模式,但检测性能很差容易产生较高的误报率lIJ ll。 _ z 本文改进了这一模型,提出了一种改进的隐马尔可夫检测算法,大大提高了算法在 H T T P请求异常检测中的检测性能。

务)攻击【 I 的检测方面具有相对于误用检测的很大 6 的比较优势。

本文提出了一种新的基于改进隐马尔可夫模

型的异常检测方法。基于 HT P协议的访问可以看 T 作是一个字符串序列,正常访问产生的字符串序列符合一定的语法规则,以有序的方式组合出现,而 异常的攻击行为与正常的语法规则差距很远,用户

3基于改进 HMM的检测算法 31数据模型 .本文的数据来源于 We b服务器的 lg 1g信息 o (o包含访问时间、访问的网站名称、I、访问方法、 P 路径和参数等 ),如图 1所示。提取特征 .{ a, p t h (1 1(2 2…, NV),其中 N=,,…。参数由 , ), ) (,} v, v, a N 01 2 属性组成,以“属性名=属性值”的形式组织。 32 HMM的数学基础 . 表示训练样本集, 和X N分别为 x中标记为正常和异常的训练样本。 基于隐马尔可夫模型的语法由一个三元组表示: M=( T,,Q是状态集,是状态转移矩 Q, E) 阵, P q一>q ) (f,是状态 q到的转移概 (f j=T q,

)鸟 i

访问符合这种语法的程度可以作为一个合适的度量区别正常与异常的行为。针对现实数据的对比实 验结果显示,这种方法大大提高了检测率,同时保

持了较低的误报率。

2相关研究工作 隐马尔可夫模型善于处理序列型数据,在语音 识别方面有很成熟的应用。文献[,]出用隐马尔 78提

可夫模型检测进程是否异常的方法。算法以进程的系统调用序列建立模型,当某个进程的系统调用序

列显著偏离正常状态 (即序列概率明显偏小 )时, 判定此进程为非法进程。献[】隐马尔可夫模型文 9将运用到异常用户行为的识别中,算法从用户的 S el hl 命令序列中提取特征。这 2种方法都只能做基于主

率 E是状态输出矩阵, Pq个s) (是状 ( i=E q, ) 态输出为 f的概率。定义 2个特殊状态, F和,分别为初始状态和终止状态,即每一个被所接受的语句都必须以开始和 F结束。 对于任意样本,定义 P sI为由产生即 ( M) 的概率

机的异常检测,应用范围受到很大的限制。 文献[o中提出基于隐马尔可夫模型的分布式 1】拒绝服务攻击的检测方法。该方法集成了 4种不同的检测模型以对付不同类型的攻击,通过从数据分 组中提取 T P标志位、 C UDP端口和 I MP类型及 C

代码等属性信息建立相应的 T P、 C UDP和 1 MP C 的隐马尔可夫模型,于描述正常情况下网络数用据包序列的统计特征,然后用它来检测网络数据

P ) ( I=∑p qp 1S ( 1 ( 11卜> ) g、) q ∈

P q一>q ) P q、 ) (一>F (1 2… (M 1 p鸟 )

() 1

包序列,判断是否有 DDo S攻击。这种方法是基 于网络层协议的检测,同时只能检测单一的 D S攻击,无法检测当下流行的基于应用层协 Do 议的攻击。

其中,¥=1…S,q= l2 7SS M T qq…彻是 S的状态序列, ̄ 2 r 是 S所有可能的状态序列集合。 T 33学习算法 .算法的学习过程需要学习语法和分类阈值 a,如图 2所示。语法是能最优代表正常训练样。本集语法的 HMM模型。本

文根据产生样本

文献[1提出了将隐马尔可夫模型用于基于 1] H T应用层协议的异常检测方式。H T协议的 TP TP攻击一般由非法的字符串请求组成,作者抽取字符

的概率,提取样本的异常测度,结合标记的训练样本学习最优的区分正常和异常样本的分类阈值 a。 o

序列建立隐马尔可夫模型。根据 HT P请求的特点, T

2 0 -92 2 62 DJ N C 0 80—80::5 2 OL U OM 01 02 81 5G T ̄e ut s 产1 p g= 0—1 41 501 0 0 6 9 1 3 E d a lap c f .日& a e 98 2 1 7 0 0 2 0 ——— r—————、——

pah t

a= 1 a=2 l v& 2 v

图 1 lg样例 o

基于改进隐马尔可夫模型的网络攻击检测方法

上一页第2页

你可能喜欢

  • 哼唱检索
  • 动态贝叶斯网络
  • 系统可靠性
  • 故障树分析法

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email