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

() a原始语法

() b语法提炼步骤 1 05

()法提炼步骤 2 c语 b

()法提炼步骤3 d语

1_/ 3

O2

()法提炼步骤4 e语 图 3 M学习过程

(语法提炼结果 f )

根据文献[31】 1,4中提出的简单模型具有更高的先验概率的原则,式 ()不符合这一原则。当Ⅳ、^ 5并、Ⅳ变小的时候,即 M变得更为简单时,式 () 5中 P变小趋向于 1反之修改的式 ()尸 )大趋 (; 6中 (变向于 1,更为合理。参数 q的引入,使得在 M的、r迭代搜索过程中,可以控制边相对于发射状态的优先权,同时可以控制 P^ (相对于 P XM)后验概 (I在率计算中的权重,从而影响搜索过程的停止条件。 算法优化如下。

常数,W为每个状态积累的权重,即这个状态表示 的样本数量。当状态 2、5的发射状态 a、b相等的时候,P=P=,=— () J ) 1 ( 取值增大,从 (十w2‘ )

而使 P XM)小的量变小,最终使后验概率 (I减 P MI增大。别同时当 W1 w2,=, ( I ( 特=时 1 P XM)单调递增。

需要指出的是,优化的合并策略并不保证后验 概率 P MI) ( X在每一步迭代中都增大,甚至会略有减小。这样做的好处是简化了优化搜索的复杂度,弱化了局部最优值对全局最优值搜索的影响,增强了 算法的对语法的抽象能力。在本文的实验中可以看出,这一对抽象能力的增强不

但提高了算法的检测率,同时也没有引进很高的误报率。 2 V t b路径代替所有可能的路径 ) i ri e在式() M产生某个样本的概率是所有可能 1中的路径 q的概率和, 定义为样本 S的 Vtri径, r i b路 e

1 )优化状态合并在合并状态时采取优先合并具有相同发射状态 的节点的策略,种策略的合理性解释如下。图 4这如

所示,当状态 2、5合并的时候,导致 PXM)小, (I减 尸增大,后验概率增减主要由 P XM)小的量决 ( (W减定。减小的差值可以表示为=(一a t 1 )'尸C, l 4 其中:—l2 ( ) () w_— a b wP P —

一

,

C为与被合并状态无关的

(+W2 wI )

bw ) (,

L.1——

/

o 图 4状态的合并

基于改进隐马尔可夫模型的网络攻击检测方法

上一页第4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