基于免疫的网络入侵检测技术研究

目前,受生物免疫系统启发而产生的人工免疫系统（Artifial Immune System,AIS）正在兴起。人工免疫系统是借鉴和利用生物免疫系统（主要是人类的免疫系统）的各种原理、机制和特征而发展的各类信息处理技术、计算技术及其在工程和科学中应用而产生的各种智能系统的统称。生物免疫系统是一种复杂的分布式信息处理系统,具有免疫防护、免疫耐受、免疫记忆功能,且有较强的自适应性、自组织、多样性、学习、识别和记忆等特点,其特点及机理所包含的丰富思想为工程问题的解决提供了新的契机,引起了国内外研究人员的广泛兴趣,它的应用领域也逐渐扩展到模式识别、智能优化、数据挖掘、机器人学、自动控制和故障诊断等诸多领域。     

基于免疫多Agent的网络监控系统模型研究

研究入侵检测问题,针对网络免疫系统检测器训练速度慢、网络系统自适应性差和阈值量化等问题,提出了免疫多Agent的网络监控系统模型.在模型中,首先以抗体激活阈值为度量对网络事务集进行自体、非自体分类和网络成熟检测器的生成;然后对成熟检测器通过克隆优选策略和检测器影响权重函数进行分布式网络系统的成熟检测器筛选与优化,依据免疫系统的初次耐受应答生成能够对非自体抗原进行识别的记忆检测器;最后利用记忆检测器对实时获取的网络系统窗口数据进行抗原识别.仿真结果表明,提出的算法具有较好的检测率和较低的误测率,同时有效的降低了检测器的训练时间.     

基于免疫的网络入侵检测系统

文章提出了一种新的IDS模型－基于免疫的网络入侵检测系统。通过将免疫原理与网络入侵检测系统相结合,使入侵检测系统有更好的适应性、鲁棒性和智能性。同时,通过引入粗糙集的一些理论并将之应用于入侵检测系统的端口约简等方面,进一步优化了系统性能。     

一种基于免疫机理的网络入侵检测模型

本文通过对生物免疫系统和网络入侵检测系统的类比,提出了一种新型的基于免疫机理的网络入侵检测模型,阐述了该模型的工作原理,并从分布性、可扩展性、健壮性和轻便性等方面对模型的性能作了详细分析.     

一种基于免疫原理的网络入侵检测模型

通过对人类免疫系统的工作原理的研究,介绍了一种基于免疫原理的网络入侵检测新模型,并从健壮性、可扩展性、伸缩性、自适应性、全局性和有效性等角度对该模型进行了详细分析。     

基于人工免疫模型的网络入侵检测系统

首先介绍了入侵检测系统的两种体系结构,并分析了它们存在的问题。随后给出一种基于人工免疫模型的入侵检测方法。文章详细介绍了人工免疫模型的工作原理和结构框架,并且对它的系统特性进行了分析。     

基于免疫的入侵检测模型与通信应用研究

本文提出一个基于人工免疫机制的入侵检测模型(IDS)。该模型可用于计算机网络及无线通讯网络的安全系统。同时文章提出了一种新的数据存取和分析方法,并具体描述了怎样提取人类免疫系统的特点来应用于入侵检测系统的软件包。此研究成果的一个显著优点是极大的减少了入侵检测日志文件的容量,从而有效提高了系统的可维护性,帮助管理员更好的监测和观察主机异常活动。最后文章用实验数据显示了该算法的有效和可行性。     

基于模糊模式识别的免疫模型的设计

针对目前入侵检测系统的脆弱性,提出了一种新的基于模糊模式识别的信息处理方法,建立了模式识别模型,把该模型应用于基于人工免疫原理的入侵检测系统的设计方案之中,这在一定程度上克服了传统的基于确定性数学模型的局限性。实验结果表明,该模型具有较高的检测效率。     

基于人工免疫的网络入侵检测

文章根据生物免疫系统的原理、体系结构,进行了基于人工免疫的网络入侵检测的研究,以改进现有网络入侵检测系统的性能。     

基于免疫原理的网络入侵检测系统模型

目前网络入侵检测系统普遍具有自适应差、误报率高等问题。人类免疫系统工作原理为解决此类问题提供了一种很好的方法。通过对人类免疫系统工作原理的研究,根据其原理、体系结构建立了一个基于免疫原理的网络入侵检测系统模型。该模型系统具有分布性、自组织性和轻负荷的特性,能较好地解决入侵检测系统的自适应差、误报率高等问题。     

一种基于人工免疫原理的入侵检测系统模型

基于人工免疫学原理，设计了一个基于自然免疫和疫苗接种机制相结合的入侵检测系统模型以及相关算法，该算法充分考虑了数据包负载部分包含的入侵信息，并将疫苗接种机制引入入侵检测中，使入侵检测系统＋增强了对未知攻击的识别能力。同时，该方法的提出也给网络安全领域提供了一种新的研究思路。     

基于Poisson过程和Rough包含的计算免疫模型

将随机过程引入计算机免疫的研究中，提出了一种亲折计算免疫模型；分析了访问端口的参数，引入Poisson随机过程，从而将串比较转化为数值计算以解决比较的效率问题，经过随机过程的计算，可以较为精确地确定当前的异常访问模式可能属于哪种类型的入侵模式，从而为下一步入侵模式的匹配大大缩小了搜索范围。提出的免疫模型高检测精度方面还有很大潜力。     

基于激素调节免疫网络聚类的入侵检测系统

生物体的内分泌系统是一个高度进化的智能系统,通过激素调节着生物体的神经、免疫系统。受其启发而得到的人工内分泌系统具有强大的调控机制,将其内分泌激素用来调节人工免疫网络的抗体种群进化过程,利用亲合度函数动态调节抗体的克隆规模和网络压缩的规模,充分发挥优秀个体的先进特性来刺激亲合度成熟,并能动态调控种群规模,实现自适应、智能化的网络学习,尤其当样本集边界模糊以及存在噪声样本时,该网络依然可以通过自适应调节有效聚类。最终进化出一个小规模网络来映射原始入侵检测数据集的内在结构。最后,利用图论中的最小生成树对网络结构进行分析,获得描述正常和异常行为的数据特征,得到入侵检测系统的正常模型,由此构建出入侵检测系统。通过在KDD CUP数据集的对比仿真实验,验证了该系统的有效性和可行性,以及对未知攻击的检测能力。     

免疫机制在计算机网络入侵检测中的应用研究

首先对当前入侵检测中所应用的免疫机制进行了简要的介绍；接着，对迄今所提出的3个基于免疫机制的入侵检测模型做了较为详细的描述和分析；最后，根据在免疫机制研究中的一些体验，提出了一些值得研究的机制和方向，以及对这项研究的一些认识。     

基于免疫网络的入侵检测模型构建

基于群体人工免疫的入侵检测模型主要由一些离散的元素组成,这些元素之间没有直接的交互。针对该问题提出一种基于人工免疫网络的入侵检测模型。该模型通过免疫网络中各元素之间的相互刺激作用而构成一个动态的平衡系统,以适应不断更新换代的网络攻击。实验结果表明,该模型可以较好地检测异常的网络数据包,具有较好的自适应性。     

网络入侵检测系统中有关算法的应用研究

简要介绍了当前入侵检测中所应用的免疫机制，对迄今提出的几种算法进行了描述和分析；最后，根据自己的体会，提出了值得研究的方向和对这项研究的认识。     

一种基于计算机病毒保守模式的人工免疫系统模型

该文在分析现有的人工免疫系统模型的基础之上,根据免疫学研究的最新成果,提出了计算机病毒的保守模式的概念,并建立了一个新的基于计算机病毒保守模式检测方法的人工免疫系统模型,该模型具有检测过程简单、检测效率高、对于新病毒和已知病毒的变种病毒的检测具有较高的准确性和良好的适应性的特点。     

基于人工免疫的入侵检测系统

利用生物免疫系统具有自我检测的机理,将其应用于入侵检测系统,提出了基于免疫的入侵检测系统模型,并且对模型及相关的概念进行了形式化的定义,对否定选择进行了描述。实验表明该方法所得到的网络攻击曲线与实际攻击曲线具有高度的相似性,能够提高入侵检测的准确性。     

基于模糊集的免疫克隆选择算法

分析了将人工免疫原理应用到入侵检测系统中存在的不足。为了克服传统的基于精确数学模型免疫算法的局限性,提出了一种基于模糊集理论的免疫克隆选择算法,引入了模糊集合和隶属度的概念,采用了一种动态的智能优化策略,有效地改善了检测元的特性,提高了检测元在复杂网络环境下的适应能力,从而增强了网络的安全性。分析了该算法能在一定程度上弥补反向选择算法的不足。