资料下载
×
基于聚类的HMM算法及其在NIDS中的应用
消耗积分:3 |
格式:rar |
大小:171 |
2009-08-10
分享资料个
本文提出根据正常－异常序列模式异常来定义紧急级别的新概念，将隐马尔可夫模型引入到网络入侵检测系统中检测正常－异常序列中的模式异常。并针对直接对检测数据进行HMM 训练和检测，存在计算量很大的问题，提出了采用先聚类降低状态维数，然后采用HMM 的方法进行NIDS 检测的方法。实验证明其有效性。
在网络入侵检测系统（Network Intrusion Detection System, NIDS）中，“正常和异常出
现序列”一般体现了入侵的紧急程度，而“正常和异常出现序列”少见往往意味着更危险的入侵的这一情况。采用何种方法来检测这种情况？基于此，本文提出了紧急级别的新概念，并引入隐马尔可夫模型（Hidden Markov Model, HMM）对此进行检测。但是，如果直接对检测数据进行HMM 训练和检测的话，计算量很大，所以本文提出采用先聚类降低状态维数，然后采用HMM 方法进行NIDS 中的入侵检测，并建立基于聚类的HMM 算法。
在网络入侵检测系统（Network Intrusion Detection System, NIDS）中，“正常和异常出
现序列”一般体现了入侵的紧急程度，而“正常和异常出现序列”少见往往意味着更危险的入侵的这一情况。采用何种方法来检测这种情况？基于此，本文提出了紧急级别的新概念，并引入隐马尔可夫模型（Hidden Markov Model, HMM）对此进行检测。但是，如果直接对检测数据进行HMM 训练和检测的话，计算量很大，所以本文提出采用先聚类降低状态维数，然后采用HMM 方法进行NIDS 中的入侵检测，并建立基于聚类的HMM 算法。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
