一种异常入侵检测中新的HMM训练方法  

A New Hidden Markov Model Training method for Anomaly Intrusion Detection

作　　者：赵博[1] 李永忠[1] 徐静[1] 杨鸽[1] 

机构地区：[1]江苏科技大学电子信息学院,江苏,镇江,212003 江苏科技大学电子信息学院,江苏,镇江,212003 江苏科技大学电子信息学院,江苏,镇江,212003 江苏科技大学电子信息学院,江苏,镇江,212003

出　　处：《电脑知识与技术（过刊）》2007年第16期1013-1014,1018,共3页Computer Knowledge and Technology

基　　金：江苏省教育厅、江苏科技大学科研资助课题(2005DX006J).

摘　　要：隐马尔可夫模型(HMM)已经被证明是一个对系统正常行为建模的好工具,但是它的Baum-Welch训练算法效率不高,训练过程需要很大的计算机资源,在实际的入侵检测中效率是不高的.本文提出了一个高效的用多观察序列来训练HMM的训练方案,我们的实验结果显示我们的训练方法能比传统的训练方法节省60%的时间.Hidden Markov Model(HMM) has been proved to be a good tool to model system normal behaviours,but its Baum-Welch training algorithm is inefficient and it need excessive computer resources in HMM training process,which makes it inefficient to practical intrusion detection.In this paper we propose an efficient HMM training method using multiple observations sequences,Our experimental results show that our HMM training method can reduce the training time by about 60% compared to that of the conventional training method.

关 键 词：入侵检测 异常入侵检测 隐马尔可夫模型 Baum-Welch算法 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]