基于隱馬爾可夫模型的網(wǎng)絡安全免疫系統(tǒng)研究.pdf

1、隨著計算機技術和網(wǎng)絡技術的發(fā)展,系統(tǒng)發(fā)生人為異常的次數(shù)越來越多,危害程度越來越大,擴散的范圍也越來越廣.雖然長時間以來人們設計出多種方法來應對它,比如殺毒軟件,防火墻,入侵檢測等等,但都不能徹底有效的解決層出不窮的各種安全事件.所以,大量專業(yè)科研人員繼續(xù)研究用新的方法來有效抑止異常事件的發(fā)生.其中仿生物免疫能力來構造系統(tǒng)就是其中的一個發(fā)展方向.當自然界的生物遭受到來自外界病菌侵害時,自身的免疫系統(tǒng)會分辨出異于正常組織的成分,然后調用白細

2、胞來殺滅病菌.安全免疫系統(tǒng)就是模仿這種原理,利用系統(tǒng)自身的辨識力來分析出異常事件,然后采取有效手段來阻止異常對系統(tǒng)的侵害HMM(Hiden Makov Model)是一種基于統(tǒng)計的隨機過程算法,成功的應用于語音信號處理,手寫系統(tǒng),和基因序列識別等多個領域.該文首先討論分析了HMM的具體算法,描述了HMM的三個問題.然后搭建實驗平臺,構建了數(shù)據(jù)采集模塊,采集來自系統(tǒng)日志的FTP系統(tǒng)調用.經(jīng)過詞匯分析,轉換為觀測序列.根據(jù)先期的的"完全正常

3、"觀測序列,構造了一個初始的HMM模型,這個模型假定是系統(tǒng)的運轉是完全正常的.獲得初始模型之后,根據(jù)HMM算法中的前向后向算法,計算其他觀測序列在這個模型之上的生成概率.在構建過程中,改進了算法,用截斷法和窗口法來提高系統(tǒng)的分辨率.系統(tǒng)中還利用Baum-Welch re-estimation Formulas構建了模型訓練的模塊,利用此模塊訓練模型,以使模型符合真實的系統(tǒng)狀態(tài).針對"慢攻擊"方式,提出模型比較的方式,通過模型的差異,來找