基于马尔可夫决策过程的入侵检测方法研究

随着网络规模日益扩大,网络安全事件层出不穷,传统的网络入侵检测方法已不能满足当前网络的发展态势.为解决传统入侵检测方法中误报率过高、检测率和检测效率低等问题,提出了一种基于马尔可夫决策过程的入侵检测模型.在入侵检测系统内,根据马尔可夫的基本要素建立马尔可夫决策过程,采用模糊层次分析法为用户设置信用度,完成对用户信用度体系和数据库的构建,通过检测引擎学习得到马尔可夫决策过程的最优策略.在最优策略求解中采用策略迭代方法,其核心思想是给定当前策略函数进行状态价值函数V的评估,对状态价值函数采用贪心算法来提高策略函数,使得未来的回报最大同时输出最优价值函数.最后为了验证该方法的有效性,将MDP-IDS模型与支持向量机模型进行对比,实验结果表明MDP-IDS模型能够提高入侵检测率和检测效率,降低系统误报率.