基于改进HMM的物联网入侵路径检测方法OA

针对物联网多步入侵路径隐蔽性强、标注数据稀缺及加密流量占比高等难题,对基于改进隐马尔可夫模型(HMM)的入侵路径检测进行了研究。构建融合网络拓扑、配置与漏洞信息的四元组入侵图模型,利用逻辑斯蒂函数量化状态转移概率,形成动态概率矩阵。针对传统HMM的零概率缺陷,设计基于语义相似性的最大似然概率重分配策略。引入状态转移修正系数与自适应动态阈值,构建多步迭代推断框架,实现告警序列智能筛选与入侵意图鲁棒识别。实验结果表明,该方法在复杂攻击场景下路径检测准确率达94%以上,具备良好的鲁棒性与可扩展性。