新一代病毒检测技术研究

本文在介绍计算机病毒基本概念的基础上,阐述了传统的病毒检测技术的类型和实现方法,并进一步介绍了一种新一代的病毒检测技术——基于生物免疫系统的病毒检测技术。     

计算机病毒检测模型的初步构建

随着计算机的日益普及、Internet的快速发展和网络覆盖率的不断扩大,计算机病毒产生的速度不断加快,传播的速度也更加便捷和迅速,导致传统的病毒检测技术无法适应这些新变化,有效地防御病毒,所以计算机病毒对网络系统的侵害也越来越大。对于计算机病毒,特别是未知病毒的实时防御是现在确保网络安全亟需解决的一个重要问题,模拟使用生物免疫机制的人工免疫系统是解决该问题的一个方向。该文在学习生物免疫系统工作原理和人工免疫系统研究现状的基础上初步构建了一个基于免疫系统的计算机病毒检测模型。模型的设计思想源于S.Homeyr的ARTIS通用架构,作者针对计算机病毒检测这一特定问题,对模型进行了重新定义和具体设计。该模型具备了免疫系统基本特性,能够识别病毒变种和未知病毒,克服了传统病毒检测工具的不足,反应了免疫系统在病毒检测上的优势。     

基于免疫和D-S证据理论的计算机病毒检测方法

针对基于特征码的检查方法不能检测出未知病毒和已知病毒的新变种的问题,提出了一种基于免疫原理和D-S证据理论的计算机病毒检测方法。基于对现有计算机病毒免疫系统的深入剖析,提出了一种新的抗原提呈策略;借助基于免疫原理的计算机病毒检测方法输出的抽象层信息,提出了针对病毒检测的融合方法;通过融合不同抗原提呈基因库的检测结果,可提高基于免疫原理的计算机病毒检测方法的检测性能。实验结果表明:该方法对未知病毒具有良好的检测效果,在较低的误报率下获得了较高的检测率。实验验证了所提出方法的有效性,为病毒检测方法研究提供了一种新的思路。     

基于免疫原理的局域网病毒检测模型研究

分析了现有计算机病毒的检测技术，阐述了计算机病毒的生物免疫原理及其常用算法，在此基础上设计了一个基于免疫原理的局域网病毒检测模型，并对其工作流程进行了说明。     

计算机免疫应用研究

主要介绍了计算机免疫在网络安全方向的几个应用领域:生物启发的病毒检测、生物启发的入侵检测、生物启发的风险评估以及神经网络和遗传算法在入侵检测研究中的应用.首先介绍人体免疫系统的安全机制及特性;其次总结生物启发的病毒检测的相关工作及分布式计算机病毒免疫系统(distributed computer virus immune system, CVIS)的工作原理及系统结构;再次描述生物启发的入侵检测的研究现状及相邻比特匹配规则,简述生物启发的风险评估;然后阐述了神经网络在误用检测中的应用以及遗传算法的适应函数;最后指出计算机免疫的研究方向.     

基于免疫原理的可执行文件签名验证模型的研究

病毒发现和防治策略是操作系统安全框架的重要组成部分.目前通过特征码匹配进行查杀病毒的方法通常落后于计算机病毒的发展,已经不能满足日益迫切的安全需求.文章根据生物体免疫系统检测病毒的机理,提出了一种对可执行文件签名验证的模型,通过文件签名界定"自我"和"非我",并以此为依据完成系统中恶意代码的发现.最后介绍了在Windows操作系统下开发的基于可执行文件签名验证模型的病毒检测系统.     

基于免疫原理的可执行文件签名验证模型的研究

病毒发现和防治策略是操作系统安全框架的重要组成部分。目前通过特征码匹配进行查杀病毒的方法通常落后于计算机病毒的发展,已经不能满足日益迫切的安全需求。文章根据生物体免疫系统检测病毒的机理,提出了一种对可执行文件签名验证的模型,通过文件签名界定“自我”和“非我”,并以此为依据完成系统中恶意代码的发现。最后介绍了在Windows操作系统下开发的基于可执行文件签名验证模型的病毒检测系统。     

基于免疫原理的脚本病毒检测方法

受生物免疫系统启发而提出的计算机免疫系统是目前计算智能研究的新领域,它已在网络入侵检测、病毒检测方面显示了其优异的信息处理能力。为了检测脚本病毒及变种,提出了一种基于免疫原理的脚本病毒检测方法。此方法借鉴免疫系统中的自体耐受机制,将脚本代码提呈为抗原,用抗体模拟病毒检测器,按照免疫学习机制对抗体进行分类,建立抗体的动态产生与淘汰机制,对脚本病毒进行有效的检测。     

基于免疫原理的病毒检测方法研究

随着计算机及其因特网的飞速发展,信息资源得到了充分的共享,但随之而来的网络安全问题日益突出,特别是计算机病毒的泛滥,不仅给人类的正常工作和生活造成了影响,而且还严重扰乱了社会秩序。计算机免疫系统(Computer Immune System,CIS)是受生物免疫系统(Biological Immune System,BIS)启发而产生的,该免疫系统是目前计算智能研究的新领域,它已在网络入侵检测、病毒检测方面显示了其优异的信息处理能力。     

一种基于生物免疫系统的计算机抗病毒新技术

当前计算机病毒呈现出两种新的趋势：计算机病毒的制作速度大大提高;互联网的飞速发展促使病毒传播速度更快,传播空间更广。利用现有抗病毒技术已无法遏制计算机病毒的快速繁衍和传播,对当今的信息社会构成严重威胁。研究和探讨了一种新的计算机抗病毒技术,即基于生物免疫系统的计算机病毒免疫技术,提出了计算机免疫系统的体系结构。最后论述了计算机抗病毒技术的研究发展现状。     

免疫系统识别器的自适应模型

探讨了计算机网络安全免疫系统中培养池建造模型,分析了免疫系统识别器自学习的几种基本的方法和思想,提出了免疫系统培养自我(self)识别非我(Nonself)更新完善的一个过程。并且基于对病毒结构的考虑和探讨,构想了对新增入侵的防范模型。     

基于免疫协作的P2P网络病毒检测模型

P2P环境提供了便捷的资源共享和直接通信,但也使病毒等获得了更为方便的传播和感染渠道.提出一种基于免疫协作的混合式对等网络病毒检测模型,利用对等节点间的协作实现记忆检测器的共享,通过在中枢节点建立疑似病毒库降低病毒检测的漏检率和误栓率.在检测器生成阶段,提出基于二次成熟的否定选择算法以降低检测器集的冗余度;在病毒检测阶...     

计算机病毒防范浅探

随着互联网的迅猛发展,计算机病毒的发生频率更高、潜伏性更强、影响面更广,破坏性更大。本文从计算机病毒的定义入手,谈了计算机病毒发作征兆、注意事项及防治方法。     

一种基于免疫的计算机病毒检测方法

提出了一种基于人工免疫的病毒检测方法,给出了计算机软件系统中自体、非自体、抗原、免疫细胞等的表示方法,实现了否定选择和克隆选择等免疫机制。通过实验测试了该方法的识别能力、错误否定率和错误肯定率,结果表明该方法具有自适应、自学习和多样性等特点,能够有效地检测未知计算机病毒。     

如何做好企业计算机病毒的防范工作

随着计算机在企业的广泛运用,计算机病毒的危害已经严重干扰了计算机及网络的正常使用,给计算机系统和网络带来了巨大威胁和破坏,计算机病毒已成为影响计算机系统安全和网络安全的重大问题。以下将结合自己的工作经验,谈如何更好的在企业中预防病毒的传播。     

信息融合技术在计算机病毒检测中的应用

该文通过分析计算机病毒的特征和行为,将信息融合技术应用于计算机病毒的检测中,提出了用于计算机病毒检测的信息融合模型,并应用贝叶斯网络的方法给出了信息传播的方法。利用病毒数据库中的病毒特征和行为,给出了一个计算机病毒恶意行为检测的信息融合算法,最后通过实验分析证实了该方法的可行性。     

浅谈AutoRun.inf计算机病毒的防治

通过对AutoRun.inf计算机病毒特点的分析及Coes病毒的研究,得出AutoRun.inf计算机病毒的清除方法和预防措施。     

计算机病毒分析及其预防

随着计算机和网络在社会生活各个领域的普遍运用,计算机病毒呈现愈演愈烈的趋向,给计算机系统带来了巨大的破坏和潜在的威胁。为确保计算机系统及网络信息的安全,计算机病毒的研究与预防已刻不容缓。本文从计算机病毒的定义、起源卑发,剖析其特点、类型及其入侵方式,来探讨预防计算机病毒的方法、措施。     

Realization of a self-recognition algorithm based on the biological immune system

As the use of the computer is popularized, the damage from computer viruses and hacking by malicious users is increasing rapidly. To block the hacking that is an intrusion into a person's computer, and the viruses that destroy data, a study into an intrusion detection and virus detection system based on the biological immune system is in progress. In this article, we describe a model of positive and negative selection for self-recognition, which has a similar function to the cytotoxic T cells that play an important role in the biological immune system. We propose a self/nonself discrimination algorithm for a computer system, which will the important when we detect data infected by a computer virus, of data modified by an intrusion from outside. We also show the validity and effectiveness of the proposed self-recognition algorithm by a computer simulation of some infected data obtained from cell changes and string changes in the self-file. This work was presented, in part, at the Seventh International Symposium on Artificial Life and Robotics, Oita, Japan, January 16–18, 2002