改进的HMM训练算法在入侵检测中的应用研究

摘要

随着计算机网络的飞速发展，网络安全引起了人们越来越多的关注，入侵检测则成为安全专家积极研究的重要课题。入侵检测方法主要分为误用入侵检测和异常入侵检测，它们各有各的优势，在不同入侵检测系统中有不同的应用。但由于入侵类型的日益增多，新的攻击手段层出不穷，使得对未知攻击方法的检测显得尤为重要，而误用入侵检测只能检测到已知的攻击手段，对未知攻击方式的检测主要由异常入侵检测来完成。
　　 基于系统调用的入侵检测是异常入侵检测的一个重要的研究领域，正引起越来越多的关注。隐马尔可夫模型是基于系统调用入侵检测的一个十分有效的工具，其检测效果优于传统的系统调用检测方法。但是，目前HMM的训练多采用Baum Welch算法，它的最终结果与其初始值有关，通常不能得到最优解。
　　 为解决HMM训练模型不够精确的问题，本文研究了如何使用遗传算法对HMM的训练过程进行改进。在对比分析遗传算法和量子遗传算法改进HMM训练的基础上，提出了一种训练HMM的主动进化遗传算法，实验表明，该算法能够得到更精确的模型。