人工免疫系统在计算机安全中的应用

主要介绍人工免疫系统计算机安全领域的研究现状，包括异常诊断、网络入侵检测和病毒检测三方面，首先介绍基于免疫系统阴性选择原理的阴性选择算法原理，不同研究人员对该算法进行了改进并应用于异常诊断和网络入侵检测系统中；然后总结基于阴性选择算法以及主体与免疫系统原理相结合的两种不同的计算机入侵检测系统的特点；最后对基于免疫识别原理的计算机病毒检测和消除系统进行归纳，指出人工免疫系统在计算机安全领域的发展方向。     

基于模糊综合决策的计算机入侵检测技术探析

入侵事件的复杂性和不确定性可以通过模糊概念进行界定和分析,从而更准确地描述网络安全问题.矩阵运算在计算机入侵检测模糊综合决策中至关重要.通过实例介绍一种应用于群组决策的特殊矩阵--模糊互补判断矩阵.     

一种新的入侵检测方法

随着Internet网络的快速普及,针对计算机及网络基础设施的攻击已经成为了一个越来越严重的问题.针对入侵检测技术提出了一种基于敏感时间滑窗的检测算法STSW,扩展了数据挖掘在入侵检测中的应用.以KDD CUP99作为实验数据研究了参数的选取对检测效果的影响,将该算法的执行效率与基于SPADE挖掘序列模式的入侵检测算法进行了对比.结果表明:入侵检测算法可以取得比较满意的检测效果,并且执行效率要优于基于SPADE的入侵检测算法.     

粗糙模糊模型及其在入侵检测中的应用

研究了基于粗糙集理论建立粗糙模糊模型的方法,并使用该模型对入侵检测中的数据进行约简,得到反映正常行为特征轮廓的决策规则。同时给出了相应建立模型的步骤与约简算法。实验结果表明：该方法能有效地用于入侵检测。     

遗传算法优化模糊神经网络的入侵检测模型

针对目前大多数的入侵检测系统存在的局限性,依据通用入侵检测框架CIDF,提出了一种利用遗传算法优化网络参数的基于模糊神经网络的入侵检测模型,分析了入侵模糊特征、模糊神经网络的学习优化问题,给出了此模型中模糊神经网络模块的训练算法．仿真实验结果表明,该检测算法可以有效地进行入侵检测,检测效率达到95％以上．     

基于模糊MARS的入侵检测系统

多元自适应样条回归是一种有效的针对高维数据回归建模方法,将该算法应用于入侵检测系统,根据入侵检测中存在的噪声数据和异常数据问题,提出了基于模糊算法的多元自适应样条回归方法。通过基于KDD1999数据集的训练和测试,与SVM在数据集上的测试结果进行对比,得出结论:该算法在入侵检测应用方面优于SVM算法。     

云计算环境下入侵疑似边界问题改进算法

传统的疑似边界问题处理算法一直存在边界确定结果不准确、误差较大的问题,为了提高网络安全性能,提出一种基于模糊网络阈值计算的云计算环境下入侵检测中疑似边界确定算法,分析了云计算环境下入侵种类及其检测原理,并确定其入侵形式;通过计算模糊网络阈值,确定云计算环境下入侵检测中疑似边界具体参数.仿真实验结果表明,采用改进算法进行疑似边界的确定,其结果精度及效率均优于传统算法,具有一定的优势.     

基于模糊-粗糙集理论的神经网络模式识别方法

目的 通过对数据进行约简提高模式识别中数据的有效性,以提高胶合板缺陷检测的准确率和在线的实时性.方法 利用粗糙集理论在数据约简上的优势,提取出对模式识别决策结果影响最大的属性,约简掉对决策结果影响较小的属性.利用模糊逻辑在不确定性问题的能力,提高边缘属性在模式识别中的权重值.利用神经网络在模式识别中的有效性,将粗糙集算法、模糊逻辑、神经网络的人工智能算法有效相结合,提出一种基于模糊粗糙集神经网络的模式识别分类方法.结果 结合胶合板缺陷检测,针对胶合板的13类缺陷的17个属性,提取出最有效的数据,约简了对决策影响最小的4个属性.结论 基于模糊-粗糙集理论的神经网络模式识别算法提高了数据的有效性,增强了缺陷检测的准确度,提升了在线检测的实时性,取得了良好的研究结果.     

基于混合差分演化的网络入侵检测算法

基于机器学习方法的入侵检测算法是目前网络设备检测领域的研究热点.网络入侵检测源数据的多样性是影响机器学习方法在该领域实际应用性能的主要因素.研究通过设计多扰动向量混合差分演化算法,稳定地优化了最小二乘支持向量机模型的关键参数;在不增加测试集检测计算复杂性的前提下,通过最优化参数的方式,提高了最小二乘支持向量机算法入侵检测的精度和稳定性.KDD Cup 99测试集的仿真实验结果显示,所提出的基于混合差分演化的网络入侵检测算法比目前多种同类算法有着更好的平均性能.     

神经网络算法在智能体IDS系统中的应用

结合网络入侵和主机入侵方面的检测能力,构建了基于智能体的分布式入侵检测系统的体系结构模型。重点讨论了神经网络入侵检测算法。针对传统的BP网络在入侵检测应用中学习收敛时间和性能上的不足,提出了变速度回归神经网络(采用了批处理技术和动量方法)检测算法,通过对网络数据集的测试表明,该算法较传统BP网络,其学习训练次数大大降低,学习能力显著提高。     

Fuzzy多判据决策

在多判据情况下，对几个备选方案作排序选优，较典型的模糊决策方法有模糊关系法、模糊评价法等．本文将这两种方法结合起来，先分别在单判据情况下，对方案作模糊评价，建立优于关系，然后再综合．本方法便于作灵敏度分析，便于在计算机上实现，使决策能在交互式过程中反复进行，从而得到较符合实际，满足决策者意愿的最佳方案．     

一种新颖的误用入侵检测自适应模型

针对目前入侵检测系统漏报率高、自适应能力差等问题,通过引入规则集的完备度、自相似度等概念,采用模糊模式识别方法,构造一种新颖的误用入侵检测自适应模型,使入侵检测系统能够根据自身的学习情况自动调节异常和正常的判断准则,从而有效降低系统的漏报率,增强系统的自适应能力,提高检测的准确度.     

成对耦合分类器的多球体预处理方法

为了解决基于支持向量机(SVM)的成对耦合(PWC)决策算法的训练实时性问题,提出一种简化最终决策候选集的预处理方法.通过基于多球体(MS)的简略分类器计算样本与类别间的模糊隶属度,挑选部分隶属度较高的类别用于最终PWC决策.在算法实现方面,通过预设条件简化参数需求,设计基于核函数计算次数的评分函数,并借助交叉验证构造最优参数搜索方法.仿真实验表明,预处理方法以极小的分类正确率损失为代价大大缩短了决策时间,使PWC适用于对决策实时性要求较高的复杂问题.     

基于多层次模糊综合评判的第三方物流服务商的选择

第三方物流服务商的选择涉及到较多的影响因素,是一个多目标决策性问题。本文针对传统的单因素评判方法极易"失真"的缺陷,采用模糊综合评判法从定性、定量两个方面对第三方物流服务商的综合服务能力进行评判,能较好地避免单因素评判方法的不足,并可将复杂问题简单化,使企业对第三方物流服务商的抉择更为科学、合理。     

区域可持续发展的模糊综合评估

论述了区域可持续发展的评估问题,讨论了评估因素的确定和结构,采用层次分析法确定了因互的相对权重,根据模糊综合评估原理提出了区域可持续发展的模糊综合评估模型,最后利用此模型对徐州地区的可持续发展进行了综合评估,结果表明徐州地区基本实现了可持续发展此模型也可用于其他问题的模糊综合评估,具有一定的推广应用价值。     

基于模糊背景加权的Mean Shift目标跟踪算法

针对Mean Shift跟踪算法在复杂背景下跟踪效果不佳的问题,该文提出了基于模糊背景加权的Mean Shift算法。引入基于差分的模糊隶属函数,利用目标模型和背景模型的差分,更加细化地表示各个像素对目标准确描述的贡献度,提高了目标描述的准确性。同时利用背景信息对原始的尺度增减法进行改进,更好地适应了目标尺度变化。实验验证该算法在一定程度上解决了尺寸增减法的小尺度游荡和跟踪滞后问题,提高了Mean Shift算法在复杂背景干扰下的鲁棒性。     

一种语言直觉模糊偏好关系的群决策方法

针对语言直觉模糊偏好关系下的群决策问题,本文提出一种考虑加法一致性和群共识的决策方法。该方法主要通过局部迭代算法提高语言直觉模糊偏好关系的一致性和强化共识达成过程并尽可能地保留原始合理信息。文章提出一个转化方法将标准直觉模糊权重向量转化成加法一致的语言直觉模糊偏好关系并建立一个目标规划模型求出标准直觉模糊权重;对于加法不一致的语言直觉模糊偏好关系,提出局部迭代方法来提高一致性;建立加强的共识达成过程来帮助决策者找到满意解。为了更好地使用本文提出的决策方法,给出一个整体决策算法。最后通过一个具体的案例说明该方法是合理有效的。