基于克隆选择的检测算法和检测器分布研究

发布时间：2017-07-01 14:11

  本文关键词：基于克隆选择的检测算法和检测器分布研究，由笔耕文化传播整理发布。

【摘要】：互联网技术的发展,正在飞速改变人们的生活习惯。虽然它方便了大众的生活,但是面对个人隐私和交易时,它往往面临着许多安全问题。生物免疫系统是一个非常高效的自适应系统,它和入侵系统有着惊人的相似性,因此人们提出一种基于免疫原理的入侵检测技术,它作为一种非常有效的入侵检测技术,有着非常大的潜力。目前,免疫入侵检测技术已经成为网络安全领域的研究热点。本文首先阐述了基于克隆选择的入侵检测的国内外的研究现状,虽然关于克隆选择的入侵检测技术已取得不少成果,但是仍然存在着许多不足。例如克隆选择算法存在收敛过慢,导致响应过慢;在算法后期,会出现乏力的状态,甚至出现检测器质量下降的情况。针对这些问题,本文采用一种基于疫苗接种和Cauchy变异的思想对克隆选择算法进行改进,并把改进后的算法引入入侵检测模型。仿真实验表明,改进后的算法可以有效地加快收敛速度;在算法后期,仍然可以提高检测率和降低误报率。由基于改进的克隆选择算法生成的检测器种群,它们的单体检测率虽然很高,但是检测器之间存在重复检测的问题,即检测器种群分布不均,对各种入侵行为数据的覆盖率不高。对比现在主流的入侵检测算法,吸取它们的经验和教训,在检测器种群分布问题上引进SVM支持向量机技术。SVM分类器可以高效地对检测器种群进行划分,让检测器在较少数目下就能达到很高的分布精度。实验结果显示,经过SVM分类器分类后的种群,分布更加均匀、分类精度更高。同时,有效的分类可以大大增加空间和资源的利用率。
【关键词】：入侵检测 克隆选择 疫苗接种 Cauchy变异 SVM分类器
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.08
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-18
• 1.1 研究背景和意义10-11
• 1.2 国内外基于克隆选择的入侵检测研究现状11-16
• 1.2.1 国外研究现状11-13
• 1.2.2 国内研究现状13-15
• 1.2.3 研究现状分析15-16
• 1.3 研究的内容16-18
• 1.3.1 课题来源16
• 1.3.2 论文内容16-17
• 1.3.3 组织结构17-18
• 第2章 相关理论概念介绍18-23
• 2.1 克隆选择算法18-20
• 2.1.1 相关概念介绍18-19
• 2.1.2 克隆选择算法发展和步骤19
• 2.1.3 克隆选择算法的缺陷19-20
• 2.2 检测器相关概念和性能定义20-21
• 2.3 支持向量机21
• 2.4 遗传算法21-22
• 2.5 本章小结22-23
• 第3章 基于克隆选择的检测器生成算法研究23-35
• 3.1 引言23
• 3.2 VC-CSA算法23-28
• 3.2.1 VC-CSA算法思想23
• 3.2.2 算法步骤及解析23-24
• 3.2.3 符号定义24-25
• 3.2.4 疫苗算子25-27
• 3.2.5 柯西(Cauchy)变异27-28
• 3.3 时间复杂度分析28-29
• 3.4 IDS模型嵌入29
• 3.5 仿真试验29-34
• 3.5.1 数据预处理30
• 3.5.2 阈值赋值30-31
• 3.5.3 ROC曲线对比分析31-32
• 3.5.4 收敛性对比分析32-34
• 3.6 本章小结34-35
• 第4章 基于SVM的检测器分布情况研究35-43
• 4.1 引言35-36
• 4.2 基于遗传算法的SVM多分类算法36
• 4.2.3 基于遗传算法的SVM决策树构造算法的缺陷36
• 4.3 基于动态适应度遗传算法的SVM决策树生成算法36-40
• 4.3.1 DGA-SVM算法思想37
• 4.3.2 符号和操作定义37-39
• 4.3.3 DGA-SVM算法实现39-40
• 4.4 覆盖率和重叠率分析40
• 4.5 仿真实验40-42
• 4.5.1 GA-SVM和DGA-SVM分类精度对比40-41
• 4.5.2 检测器数目41-42
• 4.5.3 检测器分类前后效果对比42
• 4.5.4 实验小结42
• 4.6 本章小结42-43
• 结论43-44
• 参考文献44-49
• 攻读硕士学位期间所发表的学术论文49-50
• 致谢50

【相似文献】

中国期刊全文数据库 前10条

1 徐勇;张广辉;钱锋;;新克隆选择法在动力学参数估计中的应用[J];计算机与应用化学;2008年10期

2 罗印升,李人厚,张维玺;一种基于克隆选择的聚类算法[J];控制与决策;2005年11期

3 洪露;穆志纯;;一种新的克隆选择调节算法[J];信息与控制;2007年04期

4 田锡宇;王友仁;崔江;;基于克隆选择和聚类的模拟电路故障诊断技术[J];传感器与微系统;2009年04期

5 陈思;张卫杰;杨健;宋小全;;基于克隆选择的雷达抗同型干扰工作序列设计[J];电波科学学报;2011年03期

6 李莉;李洪奇;谢绍龙;李雄炎;;基于克隆选择的免疫粒子群优化算法[J];计算机科学;2008年10期

7 陶新民;刘福荣;刘玉;付丹丹;;定向多尺度变异克隆选择优化算法[J];控制与决策;2011年02期

8 陈乃建;张进华;王孙安;艾长胜;;基于克隆选择的小世界优化算法[J];中南大学学报(自然科学版);2012年08期

9 胡荣华;楼佩煌;唐敦兵;赵鹏;;基于克隆选择和邻域搜索的改进阴性选择算法[J];中国机械工程;2011年09期

10 夏林丽;张著洪;;多模式项目资源配置及其免疫优化决策[J];贵州大学学报(自然科学版);2010年04期

中国重要会议论文全文数据库 前2条

1 胡选子;谢存禧;;基于克隆选择的移动机器人路径规划[A];2009年全国开放式分布与并行计算机学术会议论文集(上册)[C];2009年

2 冯艳华;钟诚;谭运宝;闫铁;赵艳;;动态克隆选择的成熟检测器进化算法[A];2007年全国开放式分布与并行计算机学术会议论文集(下册)[C];2007年

中国博士学位论文全文数据库 前1条

1 胡江强;基于克隆选择优化的船舶航向自适应控制[D];大连海事大学;2008年

中国硕士学位论文全文数据库 前5条

1 王超;基于克隆选择的检测算法和检测器分布研究[D];哈尔滨理工大学;2016年

2 杨秋实;改进的克隆选择优化算法及其应用研究[D];长沙理工大学;2008年

3 宁合军;基于点对称距离的聚类算法及其应用[D];西安电子科技大学;2010年

4 桑志祥;融合克隆选择的AEA算法及其在约束优化问题中的应用[D];华东理工大学;2013年

5 秦丽;一类组合膜计算与免疫机制的聚类算法[D];西华大学;2015年

  本文关键词：基于克隆选择的检测算法和检测器分布研究，由笔耕文化传播整理发布。

，

本文编号：506223