基于免疫机制的检测器进化方法

发布时间：2017-09-09 11:33

  本文关键词：基于免疫机制的检测器进化方法

  更多相关文章： 免疫机制 检测基因 检测标识 基因特性 基因值

【摘要】：随着互联网技术的不断发展,网络安全问题逐渐突出,传统网络防御措施已经无法适应当今不断变化的网络环境,如何为用户营造一个安全的网络环境,已经成为当下研究的热点。入侵检测技术的检测原理和生物免疫机制有着非常高的相似度,在一定程度上为入侵检测系统提供了天然模型。传统基于人工免疫的检测器进化方法是静态进化方法,即当系统没有受到入侵攻击时,系统内部自我进化,这种进化方法进化率低,匹配度低,难以适应当前网络快速发展的需要。针对传统检测器进化方法存在的问题,首先根据检测器最近使用的频率,将检测器库分为活跃库、候选库和潜在库三大类。其次提出了基于免疫机制的检测器(IMTMD检测器)及基于免疫机制的检测器进化算法(IMDEA算法),每个IMTMD检测器由检测基因(包含基因特性和基因值)、检测标识和处理单元构成。IMDEA算法以检测基因作为检测器进化的最小单元,首先提取入侵特征基因,其次取活跃库中检测器上的检测基因,依次进行基因特性和基因值的匹配,如果匹配成功并且匹配成功的检测器浓度比预定的值要大时,则激活检测器库中的检测器,消除入侵抗原,否则,检测器进化。实验结果表明,IMTMD检测器及相关进化方法增强了防御系统应对未知网络攻击的自适应能力,提高了网络攻击的检测率和资源利用率,增强了匹配度。当检测信号量达到一定规模时,其初次响应时间和二次响应时间明显减少;本文最后针对传统检测器群进化率低问题,提出了基于免疫机制的检测器群进化算法(Happy Baby Evolution Algorithm,HBEA算法),HBEA算法将检测器种群分成若干个子群,选择每个子群中的最优个体,重新组合成新的检测器群,然后进行进化。实验结果表明进化后的检测器群比传统检测器具有更高的亲和力。
【关键词】：免疫机制 检测基因 检测标识 基因特性 基因值
【学位授予单位】：南华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.08
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-17
• 1.1 研究背景及意义11-12
• 1.2 国内外研究现状12-14
• 1.3 本文的主要研究工作14-15
• 1.4 文章的组织结构15-17
• 第2章 相关理论基础17-28
• 2.1 生物免疫系统17-19
• 2.1.1 免疫系统的特性17
• 2.1.2 生物免疫机制17-19
• 2.2 入侵攻击理论基础19-23
• 2.2.1 典型攻击概述19-22
• 2.2.1.1 拒绝服务攻击19-20
• 2.2.1.2 利用型攻击20-21
• 2.2.1.3 信息收集攻击21
• 2.2.1.4 破坏行攻击21-22
• 2.2.2 攻击特征分析22-23
• 2.3 传统检测器实时进化算法23-25
• 2.3.1 高斯进化算法23-24
• 2.3.2 柯西进化算法24-25
• 2.4 传统检测器群进化算法25-27
• 2.4.1 克隆选择进化算法25-26
• 2.4.2 遗传进化算法26-27
• 2.5 本章小结27-28
• 第3章 基于免疫机制的检测器实时进化方法28-50
• 3.1 概述28-29
• 3.2 基于免疫机制的检测器29-33
• 3.2.1 检测器基本结构29-31
• 3.2.2 检测器库分类方法31-33
• 3.3 IMDEA进化算法33-44
• 3.3.1 IMDEA进化算法的基本思想33-36
• 3.3.2 IMDEA进化算法的主要步骤及流程图36-37
• 3.3.3 IMDEA进化算法的描述形式37-39
• 3.3.4 基因特性匹配39-42
• 3.3.4.1 基因特性匹配的基本思想39-40
• 3.3.4.2 基因特性匹配的主要步骤及流程图40-41
• 3.3.4.3 基因特性匹配的形式描述41-42
• 3.3.5 基因值匹配42-44
• 3.3.5.1 基因值匹配的基本思想42
• 3.3.5.2 基因值匹配主要步骤及流程图42-43
• 3.3.5.3 基因值匹配的形式描述及流程图43-44
• 3.4 实验结果与分析44-49
• 3.4.1 实验环境44
• 3.4.2 实验设置44-45
• 3.4.3 实验结果分析45-49
• 3.5 本章小结49-50
• 第4章 基于免疫机制的检测器群进化方法50-64
• 4.1 概述50
• 4.2 HBEA检测器群进化算法50-54
• 4.2.1 HBEA检测器群进化算法的基本思想50-51
• 4.2.2 HBEA检测器群进化算法主要步骤及流程图51-53
• 4.2.3 HBEA检测器群进化算法形式描述53-54
• 4.3 实验结果与分析54-62
• 4.3.1 实验环境54
• 4.3.2 实验数据集54-56
• 4.3.3 实验参数的分析与确定56-58
• 4.3.4 实验结果与分析58-62
• 4.4 本章小结62-64
• 第五章 总结与展望64-66
• 5.1 总结64-65
• 5.2 展望65-66
• 参考文献66-70
• 主要成果70-71
• 致谢71

【参考文献】

中国期刊全文数据库 前8条

1 杨向荣,宋擒豹,沈钧毅;基于行为模式挖掘的网络入侵检测[J];西安交通大学学报;2002年02期

2 王磊,潘进,焦李成;免疫算法[J];电子学报;2000年07期

3 焦李成,杜海峰;人工免疫系统进展与展望[J];电子学报;2003年10期

4 刘若辰,杜海峰,焦李成;免疫多克隆策略[J];计算机研究与发展;2004年04期

5 李涛;;基于免疫的网络监控模型[J];计算机学报;2006年09期

6 倪建成;李志蜀;孙继荣;周利平;;树突状细胞分化模型在人工免疫系统中的应用研究[J];电子学报;2008年11期

7 陈岳兵;冯超;张权;唐朝京;;基于DCA的数据融合方法研究[J];信号处理;2011年01期

8 陈岳兵;冯超;张权;唐朝京;;面向入侵检测的集成人工免疫系统[J];通信学报;2012年02期

，

本文编号：820202