基于人工免疫的网络入侵检测中疫苗算子的作用研究

在以前研究工作的基础上,将包含疫苗算子、变异算子和其它算子的免疫算法与人工免疫中的负选择算法结合在一起,实现检测器种群的进化,目的是加快种群的亲和力成熟进程和提高网络入侵检测效率。详细地给出了疫苗自适应提取算法和疫苗算子算法,建立了基于免疫算法和负选择算法的模型及算法来实现网络入侵检测。分别设计了基于克隆选择算法的和基于免疫算法的网络入侵检测实验。实验结果表明,含有免疫算子的免疫算法加快了检测器种群亲和力成熟的进程,收敛速度更快,随着进化代数的增加检测率总体呈上升趋势。而基于克隆选择算法的网络入侵检测则出现了检测器种群亲和力成熟进程较慢,并随着进化代数的增加检测率呈现轻微退化和较长时间停滞不前的现象。     

传感器网络中基于多级选举的非均匀簇头选择算法

为了节省和平衡网络中簇头的能耗,提出了一种基于多级选举的非均匀簇头选择算法MSEBNECHSA。该算法首先通过空间虚拟网格、簇头和Sink构成的三级选举机制构造网络候选簇头的能量分布图,然后采用基于候选簇头能量和距离的模拟退火算法,使网络中簇头的竞争范围随着到Sink的距离远近而相应从小到大非均匀分布。仿真实验表明,该算法能够以较低的能量成本将网络中的节点有效分簇,并且平衡网络中的能量消耗。     

基于免疫粒子群神经网络的污水水质预测

针对污水处理过程所具有的多变量、非线性和大时滞的特点, 利用出水水质参数与多个可测过程参数间的相关关系,给出了基于RBF神经网络的出水水质参数预测模型.采用免疫粒子群优化算法来训练网络的隐层节点、径向基函数的中心点和网络权值.以反应时间、DO浓度、ORP和pH值作为输入参数,实现对COD,NH3-N,TP等水质参数的预测.仿真试验表明,该预测模型对污水处理出水水质参数COD,NH3-N,TP具有理想的预测效果.     

一种改进的PID参数整定的研究及仿真

传统PID控制由于依赖于对象的数学模型和控制参数难以精确整定,使其很难适应具有非线性系统的控制。针对非线性系统,本文提出了一种结合免疫的思想改进PSO的PID的控制算法,从而解决PID控制的鲁棒性差及受模型限制的问题,并结合了Matlab强大的矩阵计算和系统仿真功能,对文中实例的PID参数进行了优化整定。仿真结果表明,该控制算法有较强的抗干扰和适应参数变化及鲁棒性和自适应性。     

一个基于节点覆盖的簇头选举算法

无线传感器网络以获取有用信息为最终目的,而获得的有用信息的多少取决于对网络的覆盖程度。本文在现有的一些簇头选举算法的基础上,提出一个新的簇头选举算法。该算法选举的簇头具有不进行数据感知,优先死亡但不影响网络覆盖的良好性能。如果把传输消耗优先分配在这类簇头节点上,那么死亡后影响覆盖的节点就可以在较晚的时间作为簇头,从而延迟死亡时间,最终延长网络的生命周期。实验结果显示,和现有的相关算法相比,本文提出的基于节点覆盖的簇头选举算法具有较高的网络覆盖率和较少的能量消耗,从而具有较长的网络生命周期。     

基于改进的免疫克隆支持向量机网页分类研究

网页分类是为了解决网络信息过载问题而延伸的一个热门研究领域,同时支持向量机以其出色的学习能力,在解决高维问题时表现出了特定的优势。本文在研究支持向量机和标准的免疫克隆优化算法的基础上,提出了一种改进的免疫克隆和支持向量机相结合的分类算法。标准算法中由于通过对抗体编码中某些位进行随机取反来实现抗体变异,造成搜索能力不强。该方法针对上述不足,将记忆单元和普通单元区分开来,对记忆单元定义自适应概率,从而加强在当前最优解邻域内的搜索能力,加快寻求全局最优解的速度。实验结果表明,该改进算法较其他算法具有更好的参数选择效果和更高的选择效率,是一种具有较高准确率和效率的网页分类方法。     

基于免疫遗传算法的QoS选播路由

将免疫算法与传统遗传算法相结合,既保留了原算法较强的全局搜索能力,又避免了局部搜索性能差和早熟现象。在提出改进算法的基础上,对带时延约束的QoS选播路由问题作了深入研究,并经过实验分析证明,该算法提高收敛速度接近18%,而且具有更高的搜索精度和更可靠的稳定性等特点。     

保护企业网络安全防火墙还是免疫墙

企业网络安全是一个纷乱的话题,之所以如此,是因为大部分网络安全产品的功能定义界定的都不是很清楚,技术概念很容易混淆.在网络出现问题的时候,很多人想到的第一件事是安装防火墙,第二件事是杀毒.然而,这种惯性的处理办法在目前的环境下并不很有效.所以,搞好企业网络安全,要对各种安全产品的功能和作用有一个清楚的了解,才能真正从根本上解决问题.     

基于免疫计算的概念提取方法研究

基于实例的模式识别中,由于存在大量实例和特征个数可变特性,导致分类器识别性能低下,难于形成具有高度概括性的共性对象实例.基于免疫计算的概念提取是在有效降低特征个数的同时,提取各类的中心,以此为实例模式对待识别样本进行分类决策.实验结果表明算法在保持甚至提高分类精度的同时,不仅有效地降低了特征个数,而且提取的类中心分类效果更好.与基于遗传算法的概念提取结果相比较,在有限代数内,该算法能收敛到更优的类中心,从而验证了算法的有效性及其应用潜力.     

免疫算法在模糊检测器生成中的应用

目前入侵检测中传统否定选择算法忽略了正常和异常模式之间的模糊界限而造成了检测效率低下,以及生成的检测器数量冗繁,用在非我模式识别时计算复杂度相当高.针对这些缺陷,重点研究了在入侵检测系统中定义模糊检测规则的重要性,并提出利用免疫算法的优化搜索性能来进化模糊检测器的方法.实验结果表明,该方法生成的检测器能够允许更简洁的自我和非我的表示方式,降低了检测规则的脆弱性,检测效果较好.