The invention belongs to the technical field of network security, in particular to a hidden Markov model based on Genetic Algorithm in the application of risk assessment in the host; the hidden Markov model based on Genetic Algorithm in the application of risk assessment in the host comprises following steps: 1) 2) hidden Markov model; hidden Markov model optimization using genetic algorithm; the invention of the hidden Markov model and genetic algorithm used to evaluate the risk of the host, can avoid the single hidden Markov model is used to assess the risk of the host's alarm may not appear in a specific period of time, the alarm about the prior information is not captured, or sometimes due to system error may be generated too more alert, a priori information will be exaggerated problem.
【技术实现步骤摘要】
基于遗传算法的隐马尔科夫模型在主机风险评估中的应用
本专利技术属于网络安全
,具体涉及基于遗传算法的隐马尔科夫模型在主机风险评估中的应用。
技术介绍
由于企业网络规模庞大,检测风险主机变得越来越困难。警报的数量迅速增加,这使得主机的选择和优先级排序变得非常关键。另一方面,大多数分析主机或警报的方法是手动进行的。当警报的数量太大时,这是不方便的。因此,需要一种更自动和智能的方法来对主机进行处理和优先级排序。隐马尔可夫模型(HMM)是一种随机模型,并且假定模型系统是一个具有隐藏状态的马尔可夫过程。HMM用于根据观察来评估隐藏状态。隐马尔科夫模型有两层:观察层和隐藏状态层。在不同的隐藏状态中有一些转换,而观察与观察之间没有任何连接。
技术实现思路
为了克服
技术介绍
中存在的不足,本专利技术提出基于遗传算法的隐马尔科夫模型在主机风险评估中的应用,通过一种智能的方式对主机进行处理和优先级排序,对主机风险进行评估。本专利技术是通过如下技术方案实现的基于遗传算法的隐马尔科夫模型在主机风险评估中的应用包括以下具体步骤:1)建立隐马尔科夫模型在安全应用中,我们为每个主机假定两个隐藏状态作为风险度量:良好或受损;主机的状态序列由X=X1,…,XT表示;警报序列由Y=Y1,…,YT表示;三组参数被用来描述一个HMM模型,包括隐藏状态转换矩阵P,发射矩阵Q和初始状态分布π,HMM的参数可以表示为λ=(P,Q,π),P,Q和π可以通过一些先验信息或专家知识来初始化。2)应用遗传算法优化隐马尔科夫模型隐马尔可夫模型的参数将被编码为染色体或种群,对于矩阵P和Q,条目按行编码;在种群初始 ...
【技术保护点】
基于遗传算法的隐马尔科夫模型在主机风险评估中的应用,其特征在于:所述的基于遗传算法的隐马尔科夫模型在主机风险评估中的应用包括以下具体步骤:1)建立隐马尔科夫模型在安全应用中,我们为每个主机假定两个隐藏状态作为风险度量:良好或受损;主机的状态序列由X=X
【技术特征摘要】
1.基于遗传算法的隐马尔科夫模型在主机风险评估中的应用,其特征在于:所述的基于遗传算法的隐马尔科夫模型在主机风险评估中的应用包括以下具体步骤:1)建立隐马尔科夫模型在安全应用中,我们为每个主机假定两个隐藏状态作为风险度量:良好或受损;主机的状态序列由X=X1,…,XT表示;警报序列由Y=Y1,…,YT表示;三组参数被用来描述一个隐马尔科夫模型,包括隐藏状态转换矩阵P,发射矩阵Q和初始状态分布π,隐马尔科夫模型的参数可以表示为λ=(P,Q,π);2)应用遗传算法优化隐马尔科夫模型隐马尔可夫模型的参数将被编码为染色体或种群,对于矩阵P和Q,条目按行编码;在种群初始化之后,将计算每个种群的适应度,其值用来表示种群的好坏;HMM的前向算法用于计算适应度的值,即当前隐藏状态和历史观测序列p(x(t),(y(1),y(2),...,y(t)))的合并概率;然后根据适应度值选择最佳父群体,父群体将通过交叉和变异,得到新一代的群体;具有最低适应度值的种群将被消除,这种演变将继续,直到满足停止标准,最后,来自遗传算法的最佳参数将被应用到Baum-Welch算法以训练隐马尔科夫模型,并且可以使用Viterbi算法推断主机的隐藏状态。2.根据权利要求1所述的基于遗传算法的隐马尔科夫模型在主机...
【专利技术属性】
技术研发人员:冯望烟,吴淑宁,张立钢,
申请(专利权)人:浙江中都信息技术有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。