文档介绍：第 29卷第 2期
2012年 2月

计算机应用与软件
ComputrApplcatonsandSofwar

基于隐马尔科夫模型和神经网络的入侵检测研究
闫新娟1 谭敏生1 严亚周2 吕明娥2
1
2
摘要针对目前的基于隐马尔科夫模型的入侵检测和基于神经网络入侵检测各自的不足之处,提出一种基于隐马尔科夫模型
和神经网络的混合入侵检测方法。主要是从网络协议的角度入手,把 TCP数据包作为分析对象,给出一种确定观察值的方法,把隐
马尔科夫模型的输出作为神经网络的输入,神经网络的输出是最终的结果。最后通过实验证明了此混合入侵检测方法比单独使用
隐马尔科夫模型或者是单独使用神经网络的检测方法有更低的误报率和漏报率。
关键词隐马尔科夫模型神经网络入侵检测
中图分类号 TP393

文献标识码 A
RESEARCH ON HI DEN MARKOV MODELASED AND
WORKASED I TRUSI N DETECTI NS
YanXijan TanMiseng YanYazou LüMig
1
2
Absract or rsectvel,tipaper
or prtcol
andtkesTCPdat packetasteanaltcobjctgiesakidofmetodofobsratondetriaton,teoututofhidenMarovmodeli
or,or
detctonmetodrachesalwerflealr or alne.
Keywords Hidenmarovmodel or Itusondetcton
具有一般性。鉴于以上原因本文提出了一种基于隐马尔科夫模
0 引言
计算机网络在诞生之初只是为了最大限度地提高网络资源
的开放性,而没有更多地考虑资料的安全性,随着网络应用的普
及,网络安全问题就变得越来越重要。据权威统计:新增病毒数
量与 4年前相比,增长了近 400倍[1]。严峻的现实让人们清醒
地认识到计算机网络的发展离不开信息安全技术的保障,随着
人们安全意识的提高,入侵检测领域的探索和研究日益深入,网
络安全的问题也是越来越受到各方面的重视。
目前入侵检测有许多模型和方法,如文献[2]提出了神经
网络的入侵检测模型;文献[3]提出了基于数据挖掘的入侵检
测方法;文献[4]提出了支持向量机的入侵检测方法;文献[5,
6]把基于隐马尔科夫模型引入到入侵检测等,但是这些检测方
法或模型每种都有其优点和缺点。比如文献[7-9]中为计算
机系统的运行状态建立了 Marov模型,然后在这个模型的基础
上提出检测算法,但是由于实际系统不能完全满足 Marov条
件,因此建立的模型不是非常精确;文献[10]提出基于攻击意
图入侵检测方法,但是很难建立模型;文献[11]提出了基于神
经网络的入侵检测研究,并对算法进行了改进,但是它的算法不

型和神经网络的混合入侵检测方法。
1 隐马尔科夫模型和神