1、隨著計算機網(wǎng)絡(luò)的飛速發(fā)展，網(wǎng)絡(luò)安全引起了人們越來越多的關(guān)注，入侵檢測則成為安全專家積極研究的重要課題。入侵檢測方法主要分為誤用入侵檢測和異常入侵檢測，它們各有各的優(yōu)勢，在不同入侵檢測系統(tǒng)中有不同的應(yīng)用。但由于入侵類型的日益增多，新的攻擊手段層出不窮，使得對未知攻擊方法的檢測顯得尤為重要，而誤用入侵檢測只能檢測到已知的攻擊手段，對未知攻擊方式的檢測主要由異常入侵檢測來完成。
　　 基于系統(tǒng)調(diào)用的入侵檢測是異常入侵檢測的一個重要的研

2、究領(lǐng)域，正引起越來越多的關(guān)注。隱馬爾可夫模型是基于系統(tǒng)調(diào)用入侵檢測的一個十分有效的工具，其檢測效果優(yōu)于傳統(tǒng)的系統(tǒng)調(diào)用檢測方法。但是，目前HMM的訓(xùn)練多采用Baum Welch算法，它的最終結(jié)果與其初始值有關(guān)，通常不能得到最優(yōu)解。
　　 為解決HMM訓(xùn)練模型不夠精確的問題，本文研究了如何使用遺傳算法對HMM的訓(xùn)練過程進行改進。在對比分析遺傳算法和量子遺傳算法改進HMM訓(xùn)練的基礎(chǔ)上，提出了一種訓(xùn)練HMM的主動進化遺傳算法，實驗表明，