论文部分内容阅读
针对隐马尔可夫模型计算开销过高的问题，提出了一种新的基于隐马尔可夫模型（Hidden Markov model，HMM）的异常检测方法，利用系统调用执行迹具有的局部规律性，用改进的HMM（Improved HMM，IHMM）学习算法来构建程序正常行为模型。在检测时，首先对待测系统调用数据用滑动窗口划分，并通过正常行为模型来判定异常，根据异常短序列占所有短序列的百分比来判断该进程是否行为异常。实验结果显示该方法训练耗时仅为传统方法的1％。当阈值在一个较大范围内变化时，模型的检测性能始终保持稳定。表明本文方法