基于熟人免疫的复杂网络免疫策略

针对目标免疫和熟人免疫的不足,提出一种综合的免疫算法,即随机选择一些节点,根据节点的不同特征采取合适的免疫措施。本算法保留了熟人免疫的优点,即完全基于本地信息、不需要获知网络的全局结构和识别高连接度节点,在需要免疫的节点数量与目标免疫相同的情况下,具有理想的免疫效果。通过对几种算法在无尺度网络、随机网络以及真实世界网络上进行仿真比较,验证了本算法具有更好的免疫效果和更广泛的应用条件。     

基于随机博弈的网络可生存性策略选择模型

为了提高网络的可生存能力,提出了基于随机博弈的网络可生存性策略选择模型。该模型针对攻击和破坏行为对网络造成的影响,将攻防双方的博弈过程分为抵抗、识别和恢复三个阶段。从细节上描述系统状态转移与策略选择之间的关系,提出了基于上述模型的策略选择分析方法。最后以网络实例表明了该模型在预测攻击行为并选取最优可生存性策略方面的可行性和有效性。     

基于Boltzmann行动选择策略的网络蜘蛛搜索算法

在分析传统网络蜘蛛搜索机制特点的基础上，将Boltzmann行动选择策略引入网络蜘蛛的链接选择机制，提出了一种基于Boltzmann行动选择策略的启发式网络蜘蛛搜索算法．针对国外四所著名大学计算机系网站中计算机论文资源的搜索实验表明，新的算法可以有效提高搜索效率．     

基于邻域选择策略的图卷积网络模型

邻域的组成对于基于空间域的图卷积网络（GCN）模型有至关重要的作用。针对模型中节点邻域排序未考虑结构影响力的问题,提出了一种新的邻域选择策略,从而得到改进的GCN模型。首先,为每个节点收集结构重要的邻域并进行层级选择得到核心邻域;然后,将节点及其核心邻域的特征组成有序的矩阵形式;最后,送入深度卷积神经网络（CNN）进行半监督学习。节点分类任务的实验结果表明,该模型在Cora、Citeseer和Pubmed引文网络数据集中的节点分类准确性均优于基于经典图嵌入的节点分类模型以及四种先进的GCN模型。作为一种基于空间域的GCN,该模型能有效运用于大规模网络的学习任务。     

加权无标度网络的免疫策略研究

基于所有节点采用相同感染概率和根据节点边权采用不同感染概率这2种感染机制对BBV加权网络进行免疫仿真。仿真结果表明,节点介数优先免疫的效果优于目前普遍采用的强度优先免疫,边介数优先免疫策略也优于其他边免疫策略。根据节点边权采用不同感染概率对边权大的边进行免疫,可有效控制病毒在感染初期的增长速度。     

一种基于动态偏好扫描的网络免疫策略

复杂网络中各种自组织现象的涌现给网络脆弱性挖掘和网络免疫自推进带来了启示.一个完整的免疫资源配置过程可以分为4个阶段：信息收集、扫描、漏洞修复和自我推进.网络主机脆弱性分布的实证分析表明,脆弱主机在网络中呈现明显的幂律分布特性,这就意味着盲目扫描将耗费大量资源在非脆弱或不存在的主机上,而一个有效的网络免疫策略应该利用这种非均匀的网络脆弱性分布特性.静态偏好性的扫描方法在初期能取得良好的推进效果,但并不能将这种有效性贯穿整个免疫过程.为此,提出了一种新的基于扫描方式的网络免疫自推进策略.该策略能够在不知道网络结构的条件下,通过一种动态适应的偏好扫描方法,高效命中脆弱主机实施免疫修复.经过传播模型推导及计算机仿真分析,设计的网络免疫策略能够很好地抑制危害传播,提高网络的安全性.     

基于免疫网络的信息安全风险评估模型

风险评估是评价网络信息系统安全的有效措施之一。该文基于免疫网络可动态实时诊断的特性,提出一种新的信息安全风险评估模型,给出模型中各项指标的定量计算方法,以评估整个信息系统的风险值。该模型能够综合考虑评估要素的相互关联,针对风险动态更新,进行实时监控。实验验证了其评估信息系统安全状态的有效性。     

邮件网络中基于介数的免疫策略研究

针对如何抑制病毒在邮件网络中的传播问题,在交互式邮件传播模型中分析介数免疫策略与传统基于度信息的免疫策略对病毒传播的控制能力。在真实的安然邮件网络和人工网络中对比各种免疫策略的效率与代价,结果发现节点介数免疫策略只须保护少量节点就可以降低病毒传播规模,有效地保护网络安全。     

基于生物免疫原理的网络入侵检测研究

针对目前网络入侵检测系统普遍存在的误报、漏报及自适应差等问题,将生物免疫原理应用于网络入侵检测系统中,构建了一个新的基于生物免疫原理的网络入侵检测模型.介绍了生物免疫系统的原理,论述了生物免疫原理在网络入侵检测中的应用,详细阐述了该模型的工作原理及流程,并对该模型使用的否定选择算法和克隆选择算法进行了描述和分析.实验结果表明,该模型系统提高了入侵检测率,降低了虚警率,整体检测性能较好.     

基于免疫网络的RFID入侵检测模型研究

针对无线射频识别技术（RFID）的加密认证等安全策略在廉价标签上的局限性,采用入侵检测作为RFID系统的新型安全策略,通过分析RFID系统的典型安全攻击,基于人工免疫网络,提出了入侵特征提取方法和入侵分析方法,建立了一个自适应的RFID入侵检测模型。该模型在不需要修改RFID已有技术标准的前提下,与加密认证等已有安全策略互补提升RFID系统的安全防护能力。试验证明该模型具有极低的误检率和漏检率。     

基于免疫算法的主动响应策略选择研究*

传统响应策略仅从防御者自身单方面因素进行分析选取,而没有考虑到攻击方的策略与行为。针对这一情况,为了合理地选择主动响应策略,在综合分析攻防双方博弈关系的基础上,以攻防双方最小的代价获取最大的收益为目标,对攻防双方成本收益进行分析,提出一种双种群协同进化免疫算法的主动响应策略选择方法,并用实验来分析验证算法的有效性和策略的合理性。分析结果表明,算法稳定有效,策略合理可行。     

基于模糊静态贝叶斯博弈的网络主动防御策略选取

针对网络攻防过程中攻防双方存在无法完全获知对方信息以及无法对双方损益作出准确判定的问题,提出了一种基于模糊贝叶斯博弈模型的网络最优防御策略选取方法,结合网络攻防对抗双方信息不完全性的特点构建了模糊静态贝叶斯博弈模型.在此基础上引入三角模糊数描述攻防双方的效用函数,采用基于模糊概率及均值的方法获得清晰效用函数值,进而通过求解模型的纳什均衡获得最优防御策略;最后给出了最优防御策略选取流程.理论分析和仿真实验表明,该方法能够对不同攻击行为概率作出有效预测,为主动防御提供决策支持.     

基于免疫策略的信道资源分配算法

根据信道分配的限制条件和特点应用免疫策略算法（ISA）,提出了基于 ISA的一种整体优化的动态信道资源分配方案,其特点是保证最大程度的紧致分配。同时针对遗传算法的退化现象引入免疫策略算法,较好解决了遗传算法的退化问题。实验仿真表明,该方案与现有的固定信道分配（FCA）、动态信道分配（DCA）方案和改进遗传算法信道分配方案（IGADCA）相比,有较小的呼阻率。     

基于智能互补策略的免疫算法

针对自组织抗体网络存在冗余抗体和网络性能不稳定的问题,提出一种基于智能互补策略的免疫算法。基于智能互补观点,该方法引入免疫进化算法中的免疫算子,它由接种疫苗和免疫选择两部分操作构成。接种疫苗利用K-means聚类算法抽取疫苗作为初始抗体,形成关于系统的粗略描述;免疫选择对记忆抗体进行优化,调整网络结构。在Iris数据集上的测试结果表明,该方法能够充分利用系统的先验知识快速有效地提取样本的数据特征,使得数据浓缩率和分类正确率更高。     

基于多克隆的进化免疫网络聚类算法

针对传统的聚类算法存在对初始值敏感、易陷入局部最小值,且对类别数和聚类原型的先验知识依赖比较大等问题。提出了一种基于多克隆的进化免疫网络聚类算法,该算法使用了多克隆算子,增加了种群的多样性,扩大了解空间的搜索范围。利用禁忌克隆运算,使处于模糊边界的抗体处于抑制状态,提高了聚类的精度。仿真实验表明,当对具有数值和类属的混合特征属性的数据及具有模糊边界的数据进行聚类时,收敛速度快且不依赖初始原型的选择。     

基于免疫克隆选择优化的车牌定位

车牌定位是车牌识别系统中的关键环节,针对传统方法用于车牌定位的种种缺陷和遗传算法过早收敛的确定,提出了一种基于免疫克隆选择的车牌定位算法。该方法将具体车牌特征与免疫克隆选择算法所具有的全局搜索特性、解的多样性和不易早熟等特点相融合,在大多数测试图像上取得了较满意的结果。仿真实验表明,该算法能自动搜索到车牌区域,且受图像质量变化的影响较小,具备良好的抗噪性。     

基于非零和攻防博弈模型的主动防御策略选取方法

针对现实网络攻防环境中防御措施的滞后性以及攻防对抗过程中双方收益不完全相等的问题,提出一种基于非零和博弈的主动防御策略选取方法。首先依据攻击者与系统的博弈关系,结合网络安全问题实际情况提出网络安全博弈图;其次在此基础上给出一种基于非零和博弈的网络攻防博弈模型,结合主机重要度以及防御措施成功率计算单一安全属性攻防收益值,进而根据攻防意图对整体攻防收益进行量化;最后通过分析纳什均衡得到最优主动防御策略。实例验证了该方法在攻击行为预测和主动防御策略选取方面的有效性和可行性。     

基于独特型人工免疫网络的并行推荐算法的研究

讨论了协同过滤最近邻居用户集缺乏多样性而导致推荐质量降低的问题,提出了并行免疫推荐算法（PINR）,该算法能在保持邻居用户最大多样性的基础上进一步提高算法实时响应速度,实验结果证明了算法的可行性、正确性和并行计算的优势。     

基于亲和度累积的人工免疫网络聚类

当数据集聚类边界不清晰或存在噪声干扰时,人工免疫网络聚类算法通常无法获得有效的聚类划分。受抗体免疫差异性的启发,提出一种基于抗体亲和度累积的人工免疫网络聚类算法。该算法在抗体中引入亲和度累积及有效的更新策略,使用记忆网络中抗体的亲和度累积强度分布表达数据集的空间密度变化趋势,从而在记忆网络中通过二次免疫抑制,使网络中抗体的聚类结构更加清晰。实验结果表明,该算法对聚类边界不清晰的数据集可获得较精确的聚类划分,同时具有很强的噪声抑制能力。