天津理工大学学报

2019, v.35;No.156(05) 18-22+28

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于隐马尔可夫模型和条件熵的异常流量检测方法研究
Traffic anomaly detection based on hidden Markov model and conditional entropy

肖林英;王怀彬;

摘要(Abstract):

网络发展势头迅猛,网络安全问题成为当今互联网时代的重中之重.本文提出将隐马尔可夫模型应用到流量异常检测中,用统计学的方法来对流量进行分类.从网络层面着手,将数据包中提取到的一些像IP等的属性特征经处理后输入到隐马尔可夫模型(HMM)中进行分类,最后通过模型输出概率值来判断流量的正常异常类型.在模型训练阶段,我们创造性地使用条件熵来优化Baum-Welch参数估计算法,减少了模型的训练的时间.从实验结果和分析比较来看,本文提出的检测方法在检测准确率和效率上都取得了良好的效果.

关键词(KeyWords): 流量异常检测;HMM;条件熵;改进的Baum-Welch算法

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 肖林英;王怀彬;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享