论文部分内容阅读
提出一种新的基于Markov链模型的用户行为异常检测方法。该方法利用一阶齐次Markov链对网络系统中合法用户的正常行为进行建模，将Markov链的状态同用户执行的shell命令序列联系在一起，并引入一个附加状态；在检测阶段，基于状态序列的出现概率对用户当前行为的异常程度进行分析，并根据Markov链状态的实际含义和用户行为的特点，采用了较为特殊的判决准则。与LaneT提出的基于隐Markov模型的检测方法相比，该方法的计算复杂度较低，更适用于在线检测。而同基于实例学习的检测方法相比，该方法则在检测准确率