免疫计算中最小有效检测器集分析

在构造人工免疫系统时,如果能有效控制免疫计算中检测集的大小,以较小的检测器集合,检测到较大范围的“非己”行为,并且还要具有较高的检测精度,就可以从根本上提高系统的效率。在分析有效检测集各参数间关系的基础上,该文提出了确定最小有效检测器集合相关参数的方法,并通过试验证明使用该方法构造的人工免疫系统的初始化速度、检测准确度和效率均有较大提高。     

基于免疫识别的最小检测器生成模型

高效的检测器是入侵检测系统的核心和决定检测效率的关键,根据形态空间理论提出了最小检测器概念,建立了基于免疫识别的最小检测器生成模型。通过克隆选择、遗传变异以及进化算法生成有效检测器集合,利用改进的冗余优化算法生成最小检测器集合。理论结果表明了最小检测器的可行性和有效性,仿真结果表明,该模型具有较高的检测率和较低的误检率。     

基于小生境策略的检测器生成算法

引入小生境思想能够较好地维持解的多样性,同时具有较高的全局寻优能力和收敛速度,特别适合于复杂多峰函数的优化问题。为了提高检测器的生成效率,降低算法开销,引入小生境进化原理用于未成熟检测器的生成;通过计算初始种群个体之间的海明相似度,依据个体之间的亲和力和适应度,构建多个小生境并分别进行进化,提出了基于小生境策略的检测器生成算法;对算法进行了验证,讨论了实验中涉及的参数,与穷举检测器生成算法进行了比较;通过对实验结果的分析,在一定条件下,该算法基本达到了预期的目标。     

自适应检测器生成算法研究

基于小生境策略的否定选择算法利用在搜索空间中计算检测器之间的海明距离,构建小生境;定义适应度函数与亲合力函数相关,更客观地反映检测器的检测能力;利用进化策略,进行遗传操作,而生成多样性和通用性的最佳检测器集.同时该算法可以减少生成检测器的时间开销.     

一种可变阈值检测器生成算法的研究

在构造人工免疫系统中,如果能自动调节生成检测器的大小,从而利用较少的检测器,实现对较大"非自体集"的检测,就可从根本上提高系统效率.本文通过分析人工免疫系统中的主要算法--否定选择算法,以及检测器产生漏洞的原因,提出了一种可变阈值的检测器生成算法.与传统的否定选择算法相比,该算法大大减少了漏洞,使检测效率得到提高.     

自适应检测器生成算法研究

基于小生境策略的否定选择算法利用在搜索空间中计算检测器之间的海明距离,构建小生境;一个与亲合力函数相关的适应度函数的提出,能更客观地反映各检测器的匹配能力,即能更准确地反映检测器集合的检测能力;利用进化策略,进行遗传操作,而生成多样性和通用性的最佳检测器集.同时该算法可以减少生成检测器的时间开销.     

基于人工免疫入侵检测检测器生成算法

为了提高基于人工免疫入侵检测系统中从未成熟检测器生成成熟检测器的效率,论文提出了基因库均衡技术,并将基因库进化算法与传统阴性选择算法相结合,设计了分布式人工免疫入侵检测系统中成熟检测器生成算法,实验证明采用基因均衡技术之后提高了整个系统的计算效率。     

检测器集合生成算法及其应用研究

为了提高阴性选择算法对车辆在线检测的速度,降低检测成本,给出了一种分段检测器集合生成算法代替原有的阴性选择算法中检测器集合生成的穷举法.该算法通过求解递归方程计算候选检测器集规模和递归求解的序号随机生成检测器两个阶段组成.该算法所占用的计算机时间量和空间量都比穷举法小的多.实际应用表明该算法优于穷举法,比穷举法节省近一半的时间.     

一种新的免疫入侵检测器生成算法

文中针对目前免疫算法中检测器生成算法存在的不足做了一些改进,提出了一种新的检测器生成算法———MAM(多属性匹配算法)。主要的改进措施有以下两点:提出了多属性匹配的思想,使特征字段的匹配更加符合实际情况;在检测器生成过程中采用分段产生的办法,以避免匹配区域r过大带来的效率问题。实验表明,MAM能够更为高效地产生所需要的检测器。     

一种新的免疫入侵检测器生成算法

文中针对目前免疫算法中检测器生成算法存在的不足做了一些改进，提出了一种新的检测器生成算法——MAM（多属性匹配算法）。主要的改进措施有以下两点：提出了多属性匹配的思想，使特征字段的匹配更加符合实际情况；在检测器生成过程中采用分段产生的办法，以避免匹配区域r过大带来的效率问题。实验表明，MAM能够更为高效地产生所需要的检测器。     

一种基于模糊免疫的检测器生成算法

网络入侵方法和网络环境的不断变化,入侵越来越难以防范和检测。针对当前入侵检测过程中检测器生成问题,提出了一种基于生物免疫机制和模糊理论的检测器生成算法。该算法利用改进的否定选择算法来提高生成的检测器为成熟检测器的概率。通过仿真实验,表明该模型有效地改善了系统的性能,大大减少了不可避免的黑洞数量,黑洞数量大幅下降,检测率有显著提高。     

基于多种群遗传算法的检测器生成算法研究

有效的检测器生成算法是异常检测的核心问题, 针对现有算法存在检测率低、匹配阈值固定、检测器集合庞大等问题, 本文提出了基于多种群遗传算法的检测器生成算法, 根据形态学空间的分析和覆盖问题原理, 自体集根据特征进行划分, 各个种群根据划分独立按遗传算法进化, 最后求得所有检测器种群的并集得到成熟的检测器. 所提出的算法有效降低检测器的冗余度, 减少检测器规模, 保持检测器的多样性; 并利用 maxSelf 实现匹配阈值 r 的自适应, 适用于多种匹配规则, 减小了阈值设置的局限性, 给出了算法的检测率高于传统算法的理论证明, 并通过实验验证了算法的有效性. 另外, 通过统计算法的时间复杂度, 证明算法时间复杂度没有明显增加.     

检测器自适应生成算法研究

如何有效生成检测器是用于异常检测的非选择算法的核心问题,也是非选择算法能否实际应用的关键问题.本文提出了一种有效的检测器自适应生成算法,能够依据实际情况不断调整当前检测器集合,在使得仅用较小的检测器集就能够快速检测到大规模非我空间中的异常变化的同时,也保证了算法的普适性,对各种异常检测问题具有一定的适用性.文中对算法的理论基础进行了分析,给出了算法的实现范例和实验结果.实验结果表明了算法的有效性.     

基于负选择算法的异常入侵检测

自然免疫系统的保护机制为设计计算机入侵检测带来了巨大的灵感,并且它是一种能够解决复杂入侵问题的信息安全技术。本文提出一个新的异常入侵检测算法,该算法能够通过产生有效率的检测因子来检测即时的入侵。     

A Novel Radius Adaptive Based on Center-Optimized Hybrid Detector Generation Algorithm

Negative selection algorithm (NSA) is one of the classic artificial immune algorithm widely used in anomaly detection. However, there are still unsolved shortcomings of NSA that limit its further applications. For example, the nonself-detector generation efficiency is low; a large number of nonself-detector is needed for precise detection; low detection rate with various application data sets. Aiming at those problems, a novel radius adaptive based on center-optimized hybrid detector generation algorithm (RACO-HDG) is put forward. To our best knowledge, radius adaptive based on center optimization is first time analyzed and proposed as an efficient mechanism to improve both detector generation and detection rate without significant computation complexity. RACO-HDG works efficiently in three phases. At first, a small number of self-detectors are generated, different from typical NSAs with a large number of self-sample are generated. Nonself-detectors will be generated from those initial small number of self-detectors to make hybrid detection of self-detectors and nonself-detectors possible. Secondly, without any prior knowledge of the data sets or manual setting, the nonself-detector radius threshold is self-adaptive by optimizing the nonself-detector center and the generation mechanism. In this way, the number of abnormal detectors is decreased sharply, while the coverage area of the nonself-detector is increased otherwise, leading to higher detection performances of RACO-HDG. Finally, hybrid detection algorithm is proposed with both self-detectors and nonself-detectors work together to increase detection rate as expected. Abundant simulations and application results show that the proposed RACO-HDG has higher detection rate, lower false alarm rate and higher detection efficiency compared with other excellent algorithms.      

改进检测子生成算法在入侵检测中的应用

检测子生成是阴性选择算法(NSA)的关键步骤,现有检测子生成算法存在检测子生成效率不高、合格检测子冗余。针对该问题,改进检测子生成算法,对随机生成检测子进行二次耐受减少非自体空间的交叉覆盖区域,引入变异机制降低随机检测子与自体的碰撞概率。实验结果表明,改进算法对Probe攻击和DoS攻击的检测均优于NSA算法。     

一种基于生物免疫机制的基因免疫检测算法

该文基于生物免疫原理中检测机制的研究提出了一种基因免疫检测算法。该算法综合了生物免疫系统的先天性免疫和适应性免疫机制,在负选择和克隆选择的基础上又加入了阳性选择和疫苗机制,并利用基因检测实现了检测的DNA优先级策略。仿真实验表明,该算法大幅度提高了检测效率,并有效缩短了计算时间。