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。     

基于人工免疫的蠕虫防御系统研究与设计

分析了目前蠕虫病毒检测中存在的问题,根据蠕虫病毒行为特性并结合人工免疫理论提出了双层检测粒度的方案,进一步提高入侵检测系统的效率与对未知蠕虫的识别能力。最后给出了实验设计方案。     

基于入侵检测模型的蠕虫病毒诱捕系统的研究

该文介绍了目前入侵检测系统的研究状况并讨论了网络蠕虫病毒的传播过程,结合网络诱捕系统,对如何诱捕网络蠕虫病毒进行了研究,给出了一个自动诱捕网络蠕虫病毒的模型和实现方法。     

基于人工免疫原理的NIDS系统和有关算法设计

给出一种基于人工免疫原理的网络入侵检测系统(NIDS)模型．它以频繁序列模式为基础建立自体模式集和异己模式集，随后给出了一种有效的模式编码算法．在这种编码基础上文章提出一种用于检测器生成的集否定选择和克隆选择为一体的算法．最后给出算法复杂性分析。     

分布式蠕虫检测与主动防御系统的研究与实现

以建立一个实时检测、主动防御网络蠕虫攻击的安全系统为目标,对蠕虫检测与主动防御技术进行了深入的研究,讨论了Aegis模型,探讨了利用snort进行蠕虫误用检测的研究思路和实现方法.仿真实验结果表明,Aegis系统具有良好的自适应性和开放式结构,有效地结合了蠕虫检测与主动防御技术,对蠕虫攻击具有高检测率和低误报率,并能及时有效的防范蠕虫危机.     

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。     

基于支持向量机的蠕虫检测技术

本文依据蠕虫扫描时会产生FCC失败连接概率高和FCC连接速度快这两个网络行为,通过使用支持向量机分别学习正常主机和受蠕虫感染主机的训练样本集,然后使用训练后的分类器对待测主机进行分类,实现了蠕虫攻击的自动检测,并进行了实验验证。实验结果表明,该方法对未知扫描类蠕虫有较好的检测效果。     

基于离散人工免疫系统的服务选择

在Web环境中,功能相似但是具有不同QoS参数的Web服务越来越多.服务组合的过程中,如何选择Web服务,形成可执行的服务组合,是一个关键问题.Web服务选择是基于服务的QoS指标进行选择的,本文首先将服务选择问题映射为基于QoS约束的多目标优化问题.人工免疫系统是处理多目标优化问题的较好的解决方案,本文对人工免疫系统进行离散化扩展,增加了离散交叉算子和离散变异算子,使其适用于解决Web服务QoS的各项指标的离散变量,提出了离散人工免疫系统和基于人工免疫系统的Web服务选择算法,并应用于Web服务选择过程中.实验证明,离散人工免疫系统在Web服务选择是可行的,尤其是在进化代数为200,变异率为0.25的前提下,结果最优.     

一种基于进程流量行为的蠕虫检测系统

随着蠕虫传播速度的不断加快,所造成的威胁也越来越大。为快速检测蠕虫,本文描述了和蠕虫相关的三种重要的进程流量行为:类蠕虫流量中源端口总数、类蠕虫进程流量中源端口的变化频率以及进程流量中类蠕虫流量占总进程流量的总数。基于这三种行为,本文提出了一种基于进程流量行为的蠕虫检测系统,同时介绍了该系统的相关定义、框架设计和关键实现。最后,采用真实程序进行了实验,结果表明该系统可以快速准确地检测蠕虫,并具有较小的误报率。     

负向选择和克隆在网络入侵检测应用上的研究

本文设计了一种基于网络入侵检测的新型人工免疫系统N-AIS,详细介绍了这个系统的构成和流程,重点分析了N-AIS的一个组件--具有负向选择算子的静态克隆算法的特性和用法。     

平衡二叉树在穷举检测器生成算法中的应用

在基于人工免疫原理的入侵检测系统中,由于标准的穷举检测器生成算法没有很好地消除重复检测器,从而造成失败率增高等问题。标准的穷举检测器生成算法采用的是链表存储结构。如果在链表存储结构的基础上消除重复检测器,是非常耗时的。针对这个问题,提出了改进的穷举检测器生成算法,该算法利用了平衡二叉树结构存储检测器,以达到在尽可能短的时间内消除重复检测器的目的。经过实验证明,在平衡二叉树结构下消除重复检测器可以此在链表结构下进行同样的操作节省很多时间。     

人工免疫原理在入侵检测系统中的应用研究

介绍了生物免疫系统的免疫原理,并且分析了目前入侵检测系统（IDS）及其存在的问题.为了解决这些问题,提出了一个基于人工免疫原理的入侵检测模型,该模型使用负筛选算法产生检测规则集.最后通过一个实例检验了这个系统,该系统与其它入侵检测系统相比增加了可适应性、自治性、健壮性等特点.     

人工免疫网络记忆分类并行算法研究

人类免疫系统是极为复杂的、固有并行性、分布式系统。人工免疫系统领域已经开发了许多免疫系统启发的算法,但没有几个显示并行性。论文提出并行人工免疫网络记忆分类系统,给出简单的并行人工免疫网络记忆分类算法。初始结果显示,通过简单的并行化方法,与并行人工免疫识别系统AIRS的比较研究表明,并行人工免疫网络记忆分类系统在并行效率等方面的性能优于后者。     

基于人工免疫的多目标优化研究综述*

免疫启发的多目标优化算法近来逐渐受到研究者的关注,免疫系统由于其固有优点成为继进化算法之后又一个成功的启发式搜索策略研究方向。首先给出了多目标优化和免疫算法的基础概念和常用术语,深入分析了现有的各种基于免疫网络的免疫优化算法和基于克隆选择的免疫优化算法,阐述了算法的特点及改进,重点描述了免疫优化算法在实际应用中的研究;在介绍了免疫优化算法的收敛性理论证明和免疫优化算法的评价方法之后,阐述了免疫优化算法目前的研究热点和趋势。     

一种改进的人工免疫网络：免疫特征映射网

针对目前人工免疫系统研究领域存在的算法模型不统一、算法功能不明确以及算法应用领域模糊的问题,从生物免疫系统的功能机理出发,在总结和分析现有研究成果的基础上,明确应用方向,确定算法模型,提出一种用于特征数据提取的人工免疫网络算法——免疫特征映射网。在对算法功能和性能定性分析的基础上,通过仿真实验验证了所提算法在特征数据提取方面的可行性和有效性。     

Solving Multiobjective Optimization Problems Using an Artificial Immune System

In this paper, we propose an algorithm based on the clonal selection principle to solve multiobjective optimization problems (either constrained or unconstrained). The proposed approach uses Pareto dominance and feasibility to identify solutions that deserve to be cloned, and uses two types of mutation: uniform mutation is applied to the clones produced and non-uniform mutation is applied to the not so good antibodies (which are represented by binary strings that encode the decision variables of the problem to be solved). We also use a secondary (or external) population that stores the nondominated solutions found along the search process. Such secondary population constitutes the elitist mechanism of our approach and it allows it to move towards the true Pareto front of a problem over time. Our approach is compared with three other algorithms that are representative of the state-of-the-art in evolutionary multiobjective optimization. For our comparative study, three metrics are adopted and graphical comparisons with respect to the true Pareto front of each problem are also included. Results indicate that the proposed approach is a viable alternative to solve multiobjective optimization problems.     

采用生物信息克隆的免疫算法

受克隆选择过程生物学原理的启发, 提出了一种采用生物信息克隆的免疫算法. 抗体克隆依赖于一个动态平衡的网络, 并与遗传因素相关. 为了解决传统克隆过程中信息不能充分利用的问题, 该进化算法将环境信息、抗体历史信息以及抗体遗传特征积累的影响引入人工免疫系统, 用这多种信息作为先验知识为克隆过程提供决策支持, 引导抗体系统的更新. 同时采用实数与二进制混合编码方式增加种群多样性, 提高收敛速度, 然后分析了该算法的收敛性. 仿真实验结果表明, 该克隆策略能较大的提高免疫克隆算法的优化能力; 与几种高级免疫克隆算法和进化算法相比, 该算法寻优精度高, 收敛速度快, 能有效的克服早熟现象, 并具有很好的高维优化能力.