基于免疫机制的入侵检测器生成的研究

为了提高基于人工免疫入侵检测系统中有效检测器的生成和检测效率,通过对传统检测器生成算法的研究,结合传统阴性选择算法和缩小检测器长度的方法,提出了一种新的检测器生成算法。实验证明该算法生成的检测器在保证了检测准确性的同时减少了检测所需的时间。     

一种新的免疫入侵检测器生成算法

文中针对目前免疫算法中检测器生成算法存在的不足做了一些改进，提出了一种新的检测器生成算法——MAM（多属性匹配算法）。主要的改进措施有以下两点：提出了多属性匹配的思想，使特征字段的匹配更加符合实际情况；在检测器生成过程中采用分段产生的办法，以避免匹配区域r过大带来的效率问题。实验表明，MAM能够更为高效地产生所需要的检测器。     

一种新的免疫入侵检测器生成算法

文中针对目前免疫算法中检测器生成算法存在的不足做了一些改进,提出了一种新的检测器生成算法———MAM(多属性匹配算法)。主要的改进措施有以下两点:提出了多属性匹配的思想,使特征字段的匹配更加符合实际情况;在检测器生成过程中采用分段产生的办法,以避免匹配区域r过大带来的效率问题。实验表明,MAM能够更为高效地产生所需要的检测器。     

基于免疫原理的入侵检测中的漏洞研究

负选择算法和k连续位匹配规则的局限性导致入侵检测系统存在“漏洞”。针对上述问题,分析“漏洞”存在的原因,设计一个用于确定一个随机模式是否是“漏洞”的算法,为降低系统的漏报率和完善系统的功能提供了一个有价值的解决方案。     

基于免疫算法和反向传播神经元网络的无线网络入侵检测研究

为了能够检测到无线网络系统中已知和未知类型的入侵者,提高无线网络系统的安全性,在对网络数据分析和研究的基础上,提出一种基于免疫算法和反向传播神经元网络的入侵检测方法。首先利用免疫算法对网络数据进行预处理,再运用反向传播神经元网络对处理后的数据(程序)进行识别。实验表明用该方法检测无线网络系统中的新型入侵者是可行、有效的,检测入侵者的准确率可达到97%。     

一种基于免疫原理的入侵检测模型设计与实现

本文将生物免疫原理应用到入侵检测系统中,充分利用生物免疫系统具有的众多特性:学习与认知、鲁棒性、适应性等,提出一种新的检测系统模型。基于"自我-非我"理论模式,通过排除和杀死"非我",从而保护"自我";并且局部引入危险理论,即当抗体匹配到抗原时,需要一个协同刺激信号才能确认攻击。     

免疫入侵检测多目标优化克隆选择算法研究

免疫入侵检测理论中克隆选择是检测器进化的关键。传统克隆选择算法通过比较样本间的亲和力累加值筛选样本,该方法具有较低的时间复杂度,但也造成了检测器的高重叠,影响迭代效率。将检测器个体的筛选与进化转化为pareto最优解的求解过程,提出了多目标优化理论的检测器克隆选择算法。实验表明,检测器基数不变的情况下,该算法明显提升了每代种群在进化过程中的检测范围,精简了记忆检测器的数量,提高了检测阶段系统的检测率。     

一种基于免疫检测器集的高速网络自适应入侵检测系统

网络安全类产品的入侵检测方法主流的特征检测和异常检测均存在着如序列数据处理能力缺乏、规则库及时更新等问题,而智能算法由于运行效率问题无法在高速网络中实时检测。本文提出了一种基于免疫检测器集的高速网络自适应入侵检测系统设计方法,人工免疫算法的自我与非自我识别机制可检测新型变种的入侵行为与网络异常,针对该算法的执行效率提出自体集规模约束方法产生检测器,可以实时检测网络数据,适用于高速网络中发现未知入侵行为。     

入侵检测系统中基于免疫的克隆选择算法

机体免疫系统的许多有益特性被应用予入侵检测系统,使之能够主动地防御各种各样的网络攻击。该文在分析了将人工免疫学应用到入侵检测的过程中所遇到诸多问题之后,提出了一个基于免疫的克隆选择算法。该算法采用一种新的基因型与表现型的表达方式,利用全新的匹配方法,引入反向选择算子,对入侵检测的人工免疫模型进行了有效改进。     

基于免疫原理的网络入侵检测算法改进

分析了基于免疫原理的网络入侵检测否定选择算法的不足,并对其进行了改进.通过增加排除匹配检测元过程,产生互不匹配的检测元,以提高检测集的整体检测能力,增强否定选择算法实用价值.理论分析和实验结果表明,改进算法的网络入侵检测效率更高.     

一种基于生物免疫学原理的入侵检测方法

论述了免疫原理在入侵检测技术中的应用,通过对目前负检测方法存在的局限性的分析,从实际应用的角度,对负检测方法进行了一定的改进,并对改进的可行性进行了理论上的分析与证明。该方法在一定条件下减少了待检模式与检测器的比较次数,提高了系统的检测效率。     

改进检测子生成算法在入侵检测中的应用

检测子生成是阴性选择算法(NSA)的关键步骤,现有检测子生成算法存在检测子生成效率不高、合格检测子冗余。针对该问题,改进检测子生成算法,对随机生成检测子进行二次耐受减少非自体空间的交叉覆盖区域,引入变异机制降低随机检测子与自体的碰撞概率。实验结果表明,改进算法对Probe攻击和DoS攻击的检测均优于NSA算法。     

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。     

一种采用混合检测器的入侵检测系统

传统的基于免疫的入侵检测系统采用低级别的二进制检测器,妨碍了有意义的知识提取,对Nonself空间的覆盖也不完备。对二进制Self集的确定和有效检测器的生成方法进行了改进,研究了实值否定选择算法,加入了实值检测器,构成混合检测器集合,在检测阶段对会话和数据包同时进行异常检测。实验结果ROC曲线表明有较高的检测率和较低的误报率。     

免疫算法在入侵检测模型中的应用研究

在对常见的免疫算法原理进行分析的基础上,采用阴性选择算法和r-连续位匹配算法,提出一种改进的免疫检测机制,建立一个新的入侵检测模型。新的模型主要采取三点措施:改进候选检测集的生成规则;降低检测器冗余;引入协同检测机制等。在入侵识别阶段,采用基于编辑距离的匹配规则,提高了检测效率。试验仿真表明,该模型可有效提高入侵检测系统的检测率,降低误警率。     

一种新的自适应网络入侵检测模型

在基于免疫模型的网络入侵检测中,因模型对自体的动态变化缺乏自适应性导致高的误报率和漏报率。为了提高网络入侵检测模型在动态环境下的自适应性,使模型能更好地应对不断变化的外部环境,提出了一种新的自适应网络入侵检测模型。模型中详细阐述了自体的演化,对现有否定选择模型中检测器生成存在问题进行了分析,提出新的检测器生成算法,随着自体的在线自动更正,检测器可以始终保持同步更新。结果表明该模型具有很好自适应性和动态性,可以对入侵行为进行有效的识别。     

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。     

免疫机制入侵检测技术中检测器漏洞的研究

分析了生物免疫系统的原理，并对基于免疫原理的入侵检测研究方法进行了介绍，特别介绍了检测器产生的否定选择算法并对检测器产生的漏洞进行了重点研究。