系統(tǒng)調(diào)用序列的入侵檢測——基于改進的Markov模型方法.pdf

1、從20世紀80年代后期起,基于系統(tǒng)調(diào)用的入侵檢測方法的研究蓬勃興起,并且取得了很大成功,為入侵檢測技術(shù)的發(fā)展開辟了新的研究方向。
　　 該方法是通過統(tǒng)計短序列在短期內(nèi)出現(xiàn)的情況來判別是否異常。判斷的基本依據(jù)是短序列出現(xiàn)的概率?；谙到y(tǒng)調(diào)用序列的入侵檢測方法的優(yōu)點是模型簡單。在S.Forest最初方法的基礎(chǔ)上,許多研究者陸續(xù)提出STIDE、T-STIDE以及Markov模型等的研究方法。其中Markov模型是一個狀態(tài)轉(zhuǎn)移概率模型。

2、在該入侵檢測模型中,需要根據(jù)訓練集中的短序列構(gòu)造Markov模型的狀態(tài)和轉(zhuǎn)移概率矩陣;然后,根據(jù)建立好的模型來檢測測試集中的短序列。這些方法和模型或多或少地提高了檢測效率。
　　 本文提出了基于系統(tǒng)調(diào)用序列的改進Markov模型入侵檢測方法。主要對基于Markov模型的入侵檢測方法進行了3個方面的改進:1)、提出基于系統(tǒng)調(diào)用序列的雙層Markov入侵檢測模型;2)、提出基于系統(tǒng)調(diào)用序列的Markov壓縮模型;3)、提出基于路徑熵

3、的檢測方法。這些改進的優(yōu)點是提高了檢測效率和增強了模型的擴展性。
　　 實驗部分針對不同數(shù)據(jù)源,首先根據(jù)2)和3)兩點改進建立了改進的Markov模型;其次對數(shù)據(jù)源進行了分析,提出了訓練數(shù)據(jù)源的選擇方法;再次對檢測率和誤報率進行了測量;最后對比了改進的Markov模型與其它模型的效率。另外實驗中還實現(xiàn)了壓縮的Markov模型。
　　 對實驗結(jié)果的分析表明,改進的Markov入侵檢測模型不但能夠正常工作,而且還能提高檢測率