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 l

表2 数

检测结果 长度 %彩

改进 H MM %%

HMM 彩彩

枚举类型 彩%

据集检测率误报率检测率误报率检测率误报率检测率误报率

结论。这反映了在小数据集上,训练集和测试集的

差异性比在大数据集上大,这种差异对本文的方法 误报率

()数据集 A上的 R C曲线 a O

具有比其他方法更大的影响;同时反映了本文的方法更适用于在大数据集上的学习、检测应用。 传统的 H MM方法在修改后验概率计算公式后的检测性能要明显优于基于长度和基于枚举类型

的异常检测算法。本文在算法改进中提出的优化合 A 9 9

C 9

D 9

并策略在一定程度上增强了算法的抽象能力,提高了检测率,同时保持了较低的误报率。 基于 HMM方法的良好的检测性能,源于 H MM

眦 n

吣叭 9 6 9 7

模型对离散时间序列数据的良好的描述和鉴别能

力。字符串类数据的语法可以由 H MM模型精确的 表示。同时发现对语法抽象能力的增强,可以提高

&

误报率 O 6 5 D 1 D O

&

()数据集 B上的 R C曲线 b O 0∞ 2

检测率;基于 H T T P的检测任务的误报率对于语法 抽象的增强不敏感,受到影响很小。

% m加 "叭

舛

5结束语 本文提出了一种基于改进隐马尔可夫模型的

卯

语法学习的异常

检测方法。算法通过对正常 HT P T ∞

请求模式的学习,可以有效地检测恶意的攻击行

O

3

J

O

0

为,大大提高了针对 HT P协议的攻击的检测性能。 T 隐马尔可夫模型的训练需要很大的计算量,训练时间较其他方法过长;而且训练样本较少时检测 性能也会受到很大的影响。加快模型的训练速度和

误报率

()数据集 C上的 R C OC曲线

提高算法在训练样本较少情况下的检测性能是今 后研究工作的重点。 参考文献: [】 CHRI T 1 S EY S,MARTI R N A.Vun rbly tp itiuin n le it y e dsrb t si a i o CVE[ OL]ht:c . t .r/o u nsv l— e d .t . 0 9 EB/ . t/ wemieogd c me t/un B n shm12 0 . p/ r[] FELDI 2 I NG GE R, TTYS J M OGULJ e 1 Hy etx rn frPr ,, ta. p r tT a se o e

t o— T 11S . F一6 6 1 9 . o l T .【]R C 2 1, 9 9 c H 误报率 [】 B 3 ACE R I t so tcin[] nr in Deet u o M .Ma miln Pu l hn .Ic, c l bi ig Co n . a s 2 o. 0 0

()数据集 D上的 R C曲线 d O 图 6不同检测方法的 R C曲线 O

【] R E C S ot i t ih it s n d t t n f r e r s . 4 O S H M, n r l hwe t nr i ee i o t l[ —g g uo co n wo c A]

基于改进隐马尔可夫模型的网络攻击检测方法

上一页第6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