隐马尔可夫模型原理
隐马尔可夫模型（Hidden Markov Model, HMM）是一种用来描述状态序列的概率模型。它基于马尔可夫链的理论，假设系统的状态是一个没有直接观察到的随机过程，但可以通过观察到的结果来推断。
HMM的原理可以分为三个关键要素：状态集合、转移概率矩阵和观测概率矩阵。
1. 状态集合：HMM中的状态是不能直接观测到的，但可以从观测序列中推断出来。状态集合可以用S={s1, s2, ..., sn}表示，其中si表示第i个状态。
2. 转移概率矩阵：转移概率矩阵A表示在一个时间步从状态si转移到状态sj的概率。可以表示为A={aij}，其中aij表示从状态si到状态sj的转移概率。
3. 观测概率矩阵：观测概率矩阵B表示在一个时间步观测到某个输出的概率。可以表示为B={bj(o)}，其中bj(o)表示在状态sj下观测到输出o的概率。
通过这些要素，HMM可以用来解决三类问题：
1. 评估问题：给定模型参数和观测序列，计算观测序列出现的概率。可以使用前向算法或后向算法解决。
2. 解码问题：给定模型参数和观测序列，寻找最可能的状态序列。可以使用维特比算法解决。
3. 学习问题：给定观测序列，学习模型的参数。可以使用Baum-Welch算法进行无监督学习，或使用监督学习进行有标注数据的学习。
总之，HMM是一种可以用来描述随机过程的模型，可以用于许多序列预测和模式识别问题中。它的简洁性和可解释性使其成为机器学习领域中重要的工具之一。
第３４卷
１１ｏ１．３４ 第６期
Ｎｏ．６ 计算机工程
Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ２００８年３月
Ｍａｒｃｈ ２ＯＯ８
・安全技术・ 文章■号Ｉ １００ｏ－－３４２８（２００８）０６＿＿０１３１—０３ 文献标识码Ｉ Ａ 中田分类号Ｉ ＴＰ３０９
基于隐 马尔可 夫模型的复合攻击预测方法
张橙红，王亚弟，韩筮红
（解放军信息工程大学电子技术学院，郑州４５０００４）
摘耍：复合攻击成为网络攻击的主要形式之一，入侵检测系统仅能检测到攻击，但不能预测攻击。该文分析了传统的攻击预测方法的不
足，提出一种基于隐马尔可夫模型的攻击预测方法，该方法使用隐马尔可夫模型中的Ｆｏｒｗａｒｄ算法和Ｖｉｔｅｒｂｉ算法识别攻击者的攻击意图并
预测下一步可能的攻击。通过实验验证了该方法的有效性。
关ｔ词：隐马尔可夫模型；复合攻击；攻击意图；攻击预测
Ａｐｐｒｏａｃｈ ｔｏ Ｆｏｒｅｃａｓｔｉｎｇ Ｍｕｌｔｉ—ｓｔｅｐ Ａｔｔａｃｋ Ｂａｓｅｄ ｏｎ ＨＭＭ
ＺＨＡＮＧ Ｓｏｎｇ－ｈｏｎｇ，ＷＡＮＧ Ｙａ－ｄｉ，ＨＡＮ Ｊｉ－ｈｏｎｇ
（Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｔｅｃｈｎｏｌｏｇｙ，ＰＬＡ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ ４５０００４）
［Ａｂｓｔｒａｃｔ］Ｔｈｅ ｍｕｌｔｉ—ｓｔｅｐ ａｔｔａｃｋ ｉｓ ｏｎｅ ｏｆ ｔｈｅ ｐｒｉｍａｒｙ ｆｏｒｍｓ ｏｆ ｔｈｅ ｃｕｒｒｅｎｔ ａｔｔａｃｋ．Ｉｎｔｒｕｓｉｏｎ ｄｅｔｅｃｔｉｏｎ ｓｙｓｔｅｍ ｏｎｌｙ ｄｅｔｅｃｔｓ ａｔｔａｃｋ。ｂｕｔ ｃａｎｎｔ ｆｏｒｅｃａｓｔ
ｎｅｘｔ ａｔｔａｃｋ．Ｔｈｉｓ ｐａｐｅｒ ｐｒｅｓｅｎｔｓ ａｒｌ ａｐｐｒｏａｃｈ ｔｏ ｆｏｒｅｃａｓｔｉｎｇ ａｔｔａｃｋ ｂａｓｅｄ ｏｎ ＨＭＭ ａｆｔｅｒ ａｎａｌｙｚｉｎｇ ｔｈｅ ｄｅｆａｕｌｔｓ ｏｆ ｓｏｍｅ ａｐｐｒｏａｃｈｅｓ ｔｏ ｆｏｒｅｃａｓｔｉｎｇ
第３８卷 Ｖ０ｌ－３８ 第１８期
Ｎｏ．１８ 计算机工程 Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１２年９月
Ｓｅｐｔｅｍｂｅｒ ２０１２
・专栏・ 文章编号：ｌ００ｏ＿．３４２８（２０１２）１８．＿＿０００１—Ｏ５ 文献标ｔｌｔｔｉ！ｔ．Ａ 中圈分类号：ＴＮ９２
基于隐马尔可夫模型的行为轨迹还原算法
冯涛，郭云飞，黄开枝，吉江
（国家数字交换系统工程技术研究中心，郑州４５０００２）
攮要：针对行为轨迹还原过程中观察序列状态缺失、无法对终端轨迹进行精确还原的问题，提出一种基于隐马尔可夫模型的行为轨迹还 原算法。利用基站布局的空间相关性，在不考虑缺失观察状态的情况下，对隐马尔可夫模型求解过程中的局部概率进行修订，还原出轨迹
序列。性能分析和仿真结果表明，状态倾向度越大，轨迹还原成功率越高，当状态倾向度取０．８时，轨迹还原成功率在９０％左右。
关健词：行为轨迹；状态倾向度；轨迹还原；状态缺失；局部概率；隐马尔可夫模型
Ｂｅｈａｖｉｏｒ Ｔｒａｊ ｅｃｔｏｒｙ Ｒｅｓｔｏｒａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ
Ｂａｓｅｄ ｏｎ Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌｓ
ＦＥＮＧ Ｔａｏ，ＧＵＯ Ｙｕｎ－￣ｉ，ＨＵＡＮＧ Ｋａｉ－ｚｈｉ，ＪＩ Ｊｉａｎｇ
（Ｎａｔｉｏｎａｌ Ｄｉｇｉｔａｌ Ｓｗｉｔｃｈｉｎｇ Ｓｙｓｔｅｍ Ｅｎｇｉｎｅｅｒｉｎｇ＆Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｒ＆Ｄ Ｃｅｎｔｅｒ，Ｚｈｅｎｇｚｈｏｕ ４５０００２，Ｃｈｉｎａ）
［Ａｂｓｔｒａｃｔｌ Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａ ｂｅｈａｖｉｏｒ ｔｒａｊｅｃｔｏｒｙ ｒｅｓｔｏｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｏｂｓｅｒｖａｔｉｏｎ ｓｅｑｕｅｎｃｅ ｓｔａｔｅ ｍｉｓｓｉｎｇ ｐｒｏｂｌｅｍ，ｗｈｉｃｈ ｌｅｅｄｓ ｔｏ ｔｅｒｍｉｎａｌ
ｔｒａｊｅｃｔｏｒｙ ｒｅｓｔｏｒａｔｉｏｎ ｉｎａｃｃｕｒａｔｅｌｙ．Ｔｈｅ ａｌｇｏｒｉｔｈｍ ｕｔｉｌｉｚｅｓ ｂａｓｅ ｓｔａｔｉｏｎ ｌａｙｏｕｔ’Ｓ ｓｐａｔｉａｌ ｃｏｒｒｅｌａｔｉｏｎ ａｎｄ ｒｅｖｉｓｅｓ ｔｈｅ ｐａｒｔｉａｌ ｐｒｏｂａｂｉｌｉｔｙ ｏｆ ｔｈｅ ｓｏｌｕｔｉｏｎ
“简单易懂”？我们来解释隐马尔可夫模型！
1赌场风云(背景介绍)
最近一个赌场的老板发现生意不畅，于是派出手下去赌场张望。经探子回报，有位大叔在赌场中总能赢到钱，玩得一手好骰子，几乎是战无不胜。而且每次玩骰子的时候周围都有几个保镖站在身边，让人不明就里，只能看到每次开局，骰子飞出，沉稳落地。老板根据多年的经验，推测这位不善之客使用的正是江湖失传多年的'偷换骰子大法”(编者注:偷换骰子大法，用兜里自带的骰子偷偷换掉均匀的骰子)。老板是个冷静的人，看这位大叔也不是善者，不想轻易得罪他，又不想让他坏了规矩。正愁上心头，这时候进来一位名叫HMM帅哥，告诉老板他有一个很好的解决方案。
不用近其身，只要在远处装个摄像头，把每局的骰子的点数都记录下来。然后HMM帅哥将会运用其强大的数学内力，用这些数据推导出1. 该大叔是不是在出千?2. 如果是在出千，那么他用了几个作弊的骰子? 还有当前是不是在用作弊的骰子。3. 这几个作弊骰子出现各点的概率是多少?天呐，老板一听，这位叫HMM的甚至都不用近身，就能算出是不是在作弊，甚至都能算出别人作弊的骰子是什么样的。那么，只要再当他作弊时，派人围捕他，当场验证骰子就能让他哑口无言。2HMM是何许人也?在让HMM开展调查活动之前，该赌场老板也对HMM作了一番调查。HMM(Hidden Markov Model), 也称隐性马尔可夫模型，是一个概率模型，用来描述一个系统隐性状态的转移和隐性状态的表现概率。系统的隐性状态指的就是一些外界不便观察(或观察不到)的状态, 比如在当前的例子里面, 系统的状态指的是大叔使用骰子的状态，即{正常骰子, 作弊骰子1, 作弊骰子2,...}隐性状态的表现也就是, 可以观察到的，由隐性状态产生的外在表现特点。这里就是说, 骰子掷出的点数.{1,2,3,4,5,6}HMM模型将会描述，系统隐性状态的转移概率。也就是大叔切换骰子的概率,下图是一个例子，这时候大叔切换骰子的可能性被描述得淋漓尽致。
