基于改进负选择算法的异常检测

为解决基于负选择的异常检测算法中检测器数目和检测器对非我空间的覆盖二者之间的矛盾问题,采用粒子群优化算法(PSO)来优化负选择算法中随机产生的检测器的位置,从而实现用较少的检测器实现对非我空间更大的覆盖.在保证检测器尽可能小的覆盖自我空间的前提下,扩大检测器集合对非我空间的覆盖,并且在这个过程中检测器的数目是一定的.对正弦时间序列信号(artificial datasets)和轴承滚珠故障的振动信号(real-word datasets)进行了仿真实验.实验结果表明,该算法相对于原始的负选择算法在对非我空间的覆盖和检测率的提高方面有显著的效果.     

基于改进负选择算法的异常检测

为实现用较少数目的检测器覆盖较大的非自体空间,提出一种基于渐增式矩形检测器的负选择算法.该方法采用D∞距离匹配原则,检测器在每一维的方向上呈指数形式逐渐增长,直至与自体空间相匹配,从而使得产生的每个检测器在空间的每一维都延伸至最大,能够产生足够优秀的检测器集覆盖非自体空间.通过对检测器的合并,消除重叠等简化处理,实现了检测器的数目和大小的双重优化.对不同几何形状的数据集合进行了仿真.实验结果表明,该算法在对非自体空间的覆盖和检测率的提高方面有显著的效果.     

基于生物免疫原理的网络入侵检测研究

针对目前网络入侵检测系统普遍存在的误报、漏报及自适应差等问题,将生物免疫原理应用于网络入侵检测系统中,构建了一个新的基于生物免疫原理的网络入侵检测模型.介绍了生物免疫系统的原理,论述了生物免疫原理在网络入侵检测中的应用,详细阐述了该模型的工作原理及流程,并对该模型使用的否定选择算法和克隆选择算法进行了描述和分析.实验结果表明,该模型系统提高了入侵检测率,降低了虚警率,整体检测性能较好.     

基于生物免疫机理的分布式入侵检测体系

入侵检测系统被认为是继防火墙之后的网络第二道安全闸门,而生物免疫系统的分布性、多样性、自适应性、记忆性等正是入侵检测系统所期望实现的。本文将生物免疫机理应用于侵检测技术中,构建了一个基于生物免疫机理的分布式的入侵检测模型,详细阐述了该模型的体系结构、工作原理及流程,并对该模型使用的负选择算法和克隆选择算法进行了描述和分析。     

基于人工免疫的入侵检测系统负选择并行算法

基于人工免疫的入侵检测技术是网络安全的一个新兴研究领。运用人体免疫系统的出色功能,对负选择算法进行并行化设计,根据程序并行性的条件将串行的负选择算法中的任务进行划分,由多个处理机并行求解子任务,并将子解合并获得问题的解。分析表明,基于人工免疫的入侵检测系统负选择并行算法获得线性加速。     

生物免疫原理在入侵检测系统中的应用

介绍生物免疫系统的免疫原理,提出一个基于人工免疫原理的入侵检测模型,重点分析模型"自我"和"非自我"的界定、检测规则和检测算法,提出基于阴性选择的检测器生成算法.     

基于复合免疫算法的入侵检测系统

计算机安全系统与生物免疫系统具有很多的相似性,它们都需要在不断变化的环境中维持自身的稳定性。提出复合免疫算法,并应用到入侵检测系统中,以保护网络安全。针对经典的人工免疫算法在性能上存在的缺陷进行了改进,完善了其核心算法——否定选择算法,在否定选择算法中加入了分段技术和关键位,避免了恒定的匹配概率导致的匹配漏洞,降低了系统漏检率。并将遗传算法中的克隆选择算法和改进的否定选择算法结合为复合免疫算法,提高了检测器生成的动态性和多样性。最后,通过数学理论分析与仿真实验模拟,验证了改进算法的有效性和可行性,并且与其它经典算法进行了比较,结果证明,改进算法可以提高系统性能。     

一种改进的实值负选择算法

通过分析已有实值负选择算法检测率不高的原因,提出一种通过鉴别边界自体样本的改进负选择算法,以提高对检测黑洞的覆盖事.给出算法的改进思想、具体实现过程及优势分析.采用人工合成数据集2DSyntheticData和实际Biomedical数据集对算法进行验证.实验结果表明,该算法检测率较高,所需的检测器数量较少,综合性能较...     

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。     

负选择算法中的检测器快速生成策略

提出层次匹配算法用以降低负选择算法的时间复杂度.首先从理论上证明层次匹配算法的有效性,其次依据r位连续匹配准则将自体集合分解为多个模式子集合以获得构成检测器的组件,最后通过二叉树连接组件得到检测器集合;层次匹配算法充分利用自体模式以提高搜索成功率、缩短生成时间;实验结果表明,在同样的实验环境下层次匹配算法比传统算法和位变异算法有更好的性能.     

免疫进化否定选择算法

当训练样本分布密集交错时,传统的否定选择算法难以将检测器生成在正/反样本间的有效区域,导致检测器集合对这些样本的识别率降低,影响了算法性能。为使检测器能有效地识别分布密集交错的样本,本文提出了免疫进化否定选择算法（IENSA）。IENSA通过加入两个免疫进化过程,首先在样本分布密集的区域引导检测器在正/反样本之间有效地生成,然后在样本分布稀疏的区域对冗余检测器进行抑制。实验结果表明在二维人工数据集Rectangle与三维标准数据集Skin Segmentation上,相对于经典的RNSA与V-Detector算法,IENSA均能以较少的检测器而达到较高的检测率。     

基于亲和力阈值的静态克隆选择算法

静态克隆选择算法用于产生检测特定“非我”的检测器。该文通过引入亲和力阈值参数改进静态克隆选择算法,使其匹配规则能够灵活表示“或”关系,且只须部分匹配即可高效提取能识别“非我”的部分样本特征。自我/非我区别的模拟实验结果表明,与静态克隆选择算法相比,该算法能更有效地产生部分分类规则。     

一种基于生物免疫原理的计算机抗病毒策略

基于生物免疫的基本原理详细地研究了计算机免疫机制。提出了一种计算机抗病毒策略和基于多智能体技术的计算机病毒免疫系统结构模型。并探讨了该策略的实现及未来需要解决的问题。     

基于免疫原理的网格任务调度算法

针对网格资源管理的任务调度问题,提出一种网格任务免疫调度算法。算法遵循克隆选择、亲和度成熟2个免疫原理,求解网格任务调度问题的全局最优解。讨论种群代数设置和算法参数的设置对该算法性能的影响。仿真实验结果表明,与传统的网格任务调度算法相比,该算法具有任务调度速度快、资源分配时间短、运行稳定等优点。     

基于免疫原理的恶性可执行体检测算法研究

检测未知恶性可执行体是计算机免疫系统研究中的一个重要方面，本文借鉴生物免疫系统的“异己”检测、抗体表达方式多样性等原理，结合神经网络对恶性可执行体检测算法进行了比较深入的研究，提出了一个切实可行的恶性可执行体检测算法(MEDA)，实验结果表明该算法在很低误判率(FPR)情况下，具有很高的正确检测率(DR)．     

基于免疫克隆选择算法的混合流水车间调度问题的研究

本文针对混合流水车间调度问题,以最大流程时间最小为目标函数,建立了混合整数数学规划模型;将具有解决复杂组合优化问题的免疫克隆选择算法（ICA）应用于求解混合流水车间调度问题,详细描述了ICA算法求解HFSP问题的步骤;为了验证算法的有效性,仿真对比了遗传算法和ICA算法的性能,与文献结果比较,结果表明ICA算法求解HFSP问题可行性和有效性。     

基于阴性选择的网络蠕虫抑制模型

基于免疫系统的阴性选择机制,提出一种网络蠕虫抑制模型。通过主机的程序行为异常,检测蠕虫攻击并及时响应,允许主机进行大部分的正常网络通信,防止蠕虫通过主机继续传播。主机发出基于阴性选择过滤的网络服务请求,依据蠕虫的传播特征,网络主机之间相互协同,推断蠕虫所攻击的服务并进行限制。实验结果表明,该模型能有效检测并抑制传统蠕虫及拓扑蠕虫等传播隐秘的新型蠕虫。     

基于人工免疫聚类的异常检测算法

提出一种基于人工免疫聚类的异常检测算法,采用基于距离的异常度量因子,可以方便地筛选数据集中最突出的异常数据,能够依据不同的安全策略调节异常容忍因子,从而平衡检测率和漏报率之间的矛盾。实验结果表明,该算法采用无标记的训练数据集,能自动适应不同的网络及应用环境。