刘卫国，胡勇刚

(中南大学 信息科学与工程学院，湖南 长沙，410083)

近年来，病毒(如蠕虫病毒)以及恶意代码成为网络安全的主要威胁。网络攻击行为给社会带来巨大的经济损失。基于攻击特征的入侵检测系统是目前解决此安全问题的有效手段，但各种入侵病毒和攻击广泛采用变形、多态和加壳等技术，新的变异病毒不断出现，这对现有的入侵检测系统提出很大的挑战。因此，对于攻击特征自提取技术的研究引起了许多研究者的注意，成为入侵检测技术的研究热点。攻击特征提取算法通常分为2类：基于字符串模式和基于语义算法。基于语义的算法依赖于对某种特定类型的攻击事先进行语义分析，无法自动生成一些未知攻击的攻击特征。因此，目前对于攻击特征提取算法的研究主要是基于字符串模式，如基于最长公共子串算法、基于可变长度负载出现频率算法、基于序列联配算法等[1]，其中基于序列联配算法能够提取长度很短的特征片段，并且能发掘特征片段间的距离关系。Needleman等[2]提出Needleman-Wunsch算法，通过计算2个序列的相似值，得到1个相似度矩阵，再通过回溯寻找得到联配结果，是目前特征提取准确性较高的算法。但在序列联配过程中存在碎片和噪声干扰问题。为避免联配过程中产生碎片和漏掉有效语义信息文字，Smith等[3]对Needleman-Wunsch算法进行改进，提出Smith-Waterman算法，用局部联配代替全局联配，提高了联配结果的准确度。秦拯等[4]针对非最优解的问题提出基于知识积累的序列联配算法IASA，能有效地保留联配过程中具有语义信息的片段，使联配结果趋于合理。……