基于免疫原理的恶意软件检测模型*

针对恶意软件检测尤其是未知恶意软件检测的不足,提出一种基于免疫原理的恶意软件检测模型,该模型采用程序运行时产生的IRP请求序列作为抗原,定义系统中的正常程序为自体,恶意程序为非自体,通过选定数量的抗体,采用人工免疫原理对非自体进行识别。实验结果表明,此模型在恶意软件的检测方面具有较高的准确率,且误报和漏报率较低,是一种有效的恶意软件检测方法。     

改进的FCM算法在网络入侵检测中的应用

针对FCM聚类算法容易陷入局部最优且对初始点很敏感的问题,提出基于搜索空间平滑技术的点密度加权FCM算法以获得最优解。以所得的聚类中心作为输入,再次执行FCM算法,对于隶属度小于阈值的数据样本进行检测;如果该数据样本被删除,目标函数值变化明显,则该数据样本为异常数据样本,并且聚类最后产生的小的簇中的数据样本也是异常数据样本。在KDDCUP99数据集上进行检测,实验结果表明该算法具有较高的检测率及较低的误检率。     

终身学习的否定选择算法

针对否定选择算法（NSA）仅模拟了人类适应性免疫系统的中枢耐受过程,而未模拟其外周耐受过程,不具备终身学习能力的问题,提出了具有终身学习能力的否定选择算法（LNSA）.LNSA的学习过程模拟淋巴细胞经历中枢耐受和外周耐受的成熟过程,通过外周耐受实现终身学习,从而提高了抗体区分自体与非自体的能力.与NSA和树突细胞算法（DCA）的比较结果表明,LNSA可有效降低检测误报率,并具有与NSA同样高的检测率.     

多数据库中间件的模型研究

提出一种新的多数据库中间件架构，使得异源独立分布数据的“上推／受访／集成”模型化，从而使异源独立分布数据的存取／复用／集成，能像单一关系数据库那样走向模型化，建立“DBMS的DBMS”；讨论了该模型中的几个主要关键技术，如数据的一致性、数据的复制策略、局部数据源的即插即用研究、缓冲区系统中的数据名空间。