一个基于免疫的分布式入侵检测系统模型

传统的入侵检测系统大多采用集中式的分析引擎,误报率较高且缺乏自适应性,已难以满足日益发展的大规模分布式网络环境的安全需求。生物免疫系统处理外来异体时呈现出的分布性、多样性、自适应性和高效性等多种特性,为入侵检测系统的研究提供了一个新的思路。引用生物免疫机制,并结合数据挖掘技术提出了一种基于免疫的分布式入侵检测系统模型。文中详细描述了模型的体系结构和工作机制,并对模型特性进行了分析。     

一种基于免疫突现计算的生物网络结构的设计

基于生物免疫系统的机理，研究生物免疫系统的突现特征。在此基础上设计一种新颖的生物免疫网络结构及其仿真平台，讨论了生物网络结构仿真平台的整体框架设计、功能和生物机理及其原型实现。该平台可用于研究未来的智能Internet网络体系结构，并仿真和构造复杂的大规模的Internet网络服务与应用。     

基于免疫原理的分布式入侵检测系统的研究

生物的免疫系统成功地保护生物自身免受外来病原体的侵害,计算机的安全问题与生物免疫系统所遇到的问题具有惊人的相似,两者都在不断变化的环境中维持系统的稳定性。提出了免疫系统的分布的、灵活的、自适应和鲁棒的解决方式,这些特性正是计算机安全领域中期望得到的。用模拟免疫系统的工作原理来解决诸如故障诊断、病毒监测、异常检测等问题。     

人工免疫算法与系统集成的研究

生物免疫系统是一个复杂、并行、鲁棒的自适应系统,以其智能的信息处理能力而逐渐备受关注。为使研究人员能全面了解人工免疫常用算法原理及其应用和免疫系统与其他智能系统的交叉融合研究,以及由此建立的人工免疫系统模型、算法,在简述免疫系统生物学原理的基础上,概括了不同的免疫算法和各自的特性,总结了当前人工免疫系统与人工神经网络、进化算法、模糊系统的集成情况及工程应用现状。最后讨论了人工免疫系统面临的问题及未来发展趋势。     

人工免疫算法与系统集成的研究

生物免疫系统是一个复杂、并行、鲁棒的自适应系统,以其智能的信息处理能力而逐渐备受关注。为使研究人员能全面了解人工免疫常用算法原理及其应用和免疫系统与其他智能系统的交叉融合研究,以及由此建立的人工免疫系统模型、算法。在简述免疫系统生物学原理的基础上,概括了不同的免疫算法和各自的特性,总结了当前人工免疫系统与人工神经网络、进化算法、模糊系统的集成情况及工程应用现状。最后讨论了人工免疫系统面临的问题及未来发展趋势。     

基于免疫技术与数据挖掘的IDS研究

本文探讨了现有入侵检测系统的特点,将免疫系统特性综合和数据挖掘技术综合运用于入侵检测系统中,充分利用人工免疫系统的自适应性,记忆性和高效性,提高数据挖掘的效率,降低入侵检测系统的误报率和提高其自适应性,在最后本文构建了基于免疫系统技术与数据挖掘的入侵检测系统模型。     

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.     

人工免疫系统研究及其工程应用

人工免疫系统是一种由生物免疫系统启发的学习外界物质的自然防御机理的学习技术。目前,人工免疫系统已开始成为计算智能研究的新领域。本文首先介绍免疫系统的机理,然后给出人工免疫网络模型和免疫学习算法,接着说明人工免疫系统的最新研究成果,最后指出其进一步研究的方向。     

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。     

人工免疫系统研究的新进展

综述了人工免疫系统的最新研究成果。首先简述了生物免疫系统的信息处理机理，其次介绍了独特型人工免疫网络、多值免疫网络、免疫联想记忆等人工免疫模型，以及反向选择、免疫遗传、克隆选择等五类免疫学习算法，最后介绍了人工免疫系统的应用，并展望了该领域的进一步研究方向。     

人工免疫系统:原理、模型、分析及展望

目前，受生物免疫系统启发而产生的人工免疫系统（Artificial ImmuneSystem,AIS)正在兴起，它作为计算智能研究的新领域，提供了一种强大的信息处理和问题求解范式，该文侧重以AIS的基本原理框架为线索，对其研究状况加以系统综述，首先从AIS的生物原型入手，归纳提炼出其仿生机理，主要包括免疫识别，免疫学习，免疫记忆，克隆选择，个体多样性，分布式和自适应等，进而对几种典型的AIS模型和算法分门别类地进行了细致讨论，随后介绍了AIS在若干具有代表性的领域中的应用情况，最后通过对AIS的特性和存在问题的分析，展望了今后的研究重点和发展趋势。     

人工免疫系统在数据挖掘中的应用

对自然免疫系统机制、人工免疫系统及数据挖掘进行简要介绍。对人工免疫系统在数据挖掘领域中的应用进行详细分析综述。主要阐述人工免疫系统在分类规则、聚类规则等中的应用现状,并对其方法进行详细分析并指出其优缺点。     

人工免疫系统整体架构及其在数据分类中的应用

受智能进化理论的启发，集成现有的免疫算法，加入更高的智能层次上新的免疫机制，建立了一个人工免疫系统的整体多层次架构．首先，从智能进化的角度说明基于整体免疫系统信息处理机制的算法具有更高的“计算”能力．然后，就一种新的基于人工免疫系统整体架构的数据分析算法，介绍了试验结果，并对结果进行了讨论．最后，笔者指出，人工免疫系统整体架构不仅可以提高现有算法的效率，而且可以扩展人工免疫系统的应用领域．     

人工免疫算法及其应用

阐述了人工免疫系统的基本概念,讨论了几种典型的算法,包括基于免疫系统基本机制的免疫算法、基于免疫特异性的否定选择算法、基于免疫系统克隆选择理论的克隆选择算法、基于接种疫苗及免疫多样性的免疫进化算法、AIS与神经网络混合智能算法和模糊免疫系统等;以年代为序简述了AIS发展历史,介绍了AIS在若干具有代表性的领域中的应用情况。最后通过对AIS的特性和存在问题的分析,展望了今后的研究重点和发展趋势。     

人工免疫系统的基本理论及其应用

介绍了生物免疫系统的工作机制与特性及人工免疫算法,且将人工免疫系统与其他智能方法进行比较.还归纳了人工免疫系统的工程应用并对人工免疫系统需深入研究的方向进行了展望.     

基于人工免疫系统的计算机安全研究

本文首先从分析生物免疫系统入手,剖析生物免疫系统的工作原理,在此基础上构建了针对计算机安全的人工免疫系统模型。并从理论上对生物免疫系统与计算机免疫系统的相似之处做了比较,然后对人工免疫系统在计算机安全中的应用做了进一步的阐述。最后对人工免疫系统在计算机安全领域的应用进行了展望。     

Revisiting the Foundations of Artificial Immune Systems for Data Mining

This paper advocates a problem-oriented approach for the design of artificial immune systems (AIS) for data mining. By problem-oriented approach we mean that, in real-world data mining applications the design of an AIS should take into account the characteristics of the data to be mined together with the application domain: the components of the AIS - such as its representation, affinity function, and immune process - should be tailored for the data and the application. This is in contrast with the majority of the literature, where a very generic AIS algorithm for data mining is developed and there is little or no concern in tailoring the components of the AIS for the data to be mined or the application domain. To support this problem-oriented approach, we provide an extensive critical review of the current literature on AIS for data mining, focusing on the data mining tasks of classification and anomaly detection. We discuss several important lessons to be taken from the natural immune system to design new AIS that are considerably more adaptive than current AIS. Finally, we conclude this paper with a summary of seven limitations of current AIS for data mining and ten suggested research directions.