基于深度信念网络的免疫检测器生成及分布优化研究

发布时间：2021-10-09 11:04

　　人工免疫系统对外部入侵的精确识别是通过模拟生物的免疫机制来完成的,在网络入侵检测上的应用非常的普遍。但是因为网络数据的流量越来越多,一般应用的基于否定选择算法检测的准确率和效率都不高。对此,本课题分别改进了对初始数据的降维与检测器的分布,提出了一种基于深度信念网络的免疫检测器生成及分布优化方法。本课题的主要内容如下:首先针对否定选择算法（Negative Selection algorithm,NSA）在检测器使用初始的自体集合进行生成时,因为初期数据非常繁杂的特征,导致生成检测器的效率很低的情况,提出了一种基于深度信念网络的免疫检测器生成算法,将深度信念网络运用到特征提取上,来预处理优化降维高维的数据,很大程度降低了初始数据的维度,去除大量的冗余,该算法在降维前后可保证原始数据高维的特征保留到最大程度,再利用否定选择算法后提升了成熟检测器生成的效率。对数据降维后,因为检测器在随机产生后不能均匀的分布在非自体的空间中,因此用否定选择算法对检测器进行随机生成时,会造成检测器利用的概率较低。对此,提出了一种基于粒子群优化算法结合克隆选择的免疫检测器分布优化算法。此算法将初步生成的检测器进行... 

【文章来源】：哈尔滨理工大学黑龙江省

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

免疫算法的基本架构

免疫检测器模型

哈尔滨理工大学工程硕士学位论文-38-图5-4不同检测模型的检测性能对比Fig.5-4comparisonofdetectionperformanceofdifferentdetectionmodels5.4本章小结针对第3章和第4章在本章进行实验分析。先对数据在初期使用ADBN算法进行预处理，将数据降维。ADBN算法能够在操作前后最大程度的保留原始数据高维的特征。成熟检测器经过实值否定选择算法生成。然后通过基于粒子群优化的免疫检测器分布优化对检测器覆盖情况进行优化。实验采用NSL-KDD数据集，本章通过实验确定了一些比较重要的参数。并对检测速度和检测性能进行了测试，检测结果在检测性能稳定性的影响下差异巨大。实验说明，该方法生成并优化的检测器性能良好，检测速率和检测性能都有了提升。

【参考文献】：
期刊论文
[1]基于随机森林与人工免疫的入侵检测算法[J]. 张玲,张建伟,桑永宣,王博,侯泽翔.  计算机工程. 2020(08)
[2]基于人工免疫的集成入侵检测模型[J]. 辛壮,万良.  计算机工程与设计. 2019(10)
[3]基于激素调节免疫网络聚类的入侵检测系统[J]. 白琳,杨超.  信息安全学报. 2019(05)
[4]激素调节的克隆选择聚类在入侵检测中的应用[J]. 白琳.  计算机技术与发展. 2018(09)
[5]动态深度信念网络模型构建[J]. 张俊俊,何良华.  微型机与应用. 2017(01)
[6]一种基于核熵和人工免疫的网络异常检测方法[J]. 罗娅,陈文.  西南师范大学学报(自然科学版). 2016(06)
[7]非负矩阵分解在免疫入侵检测中的优化和应用[J]. 张凤斌,葛海洋,杨泽.  计算机工程. 2016(05)
[8]一种基于肯定选择的异常检测方法[J]. 范九伦,苏晗.  西安邮电大学学报. 2016(02)
[9]基于ISM特性的检测器生成算法及模型[J]. 马占飞,杨树英,郭广丰.  控制与决策. 2016(03)
[10]基于复合免疫算法的入侵检测系统[J]. 冯翔,马美怡,赵天玲,虞慧群.  计算机科学. 2014(12)



本文编号：3426240