| 【中文题名】 | 基于免疫算法的混合智能系统在异常检测中的应用研究 |
| 【英文题名】 | Study on Anomaly Detection Based on Hybrid Intelligent Systems Using Immune Algorithm |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-16 |
| 【中关键词】 | 免疫算法,混合智能系统,异常检测,神经网络,, |
| 【英关键词】 | Immune Algorithm,Hybrid Intelligent Systems,Anomaly Detection,Neural Network, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
异常检测作为信息安全保障体系结构中的一个重要组成部分，很好地弥补了访问控制、身份认证、防火墙等传统保护机制所不能解决的问题。然而传统的异常检测系统在有效性、适应性和可扩展性方面都存在不足，尤其是在遇到新的入侵类型时变得无能为力。针对这些不足，本文提出基于免疫算法的混合智能系统，并将其应用到异常检测研究中。
本文首先在对异常检测基本知识等进行介绍的基础上，提出了基于免疫算法混合智能系统的异常检测方案。本文综述了国内外异常检测的研究现状和应用成果，深入分析了异常检测的基本理论，并介绍了经典算法，以及对各种方法进行了综合比较。接着在基本理论分析的基础上，本文构建了集粗糙集理论、聚类理论、模糊逻辑理论、免疫算法理论、人工神经网络理论于一体的一个新的混合智能系统R-FC-CSNN。它先通过粗糙集将输入数据进行约简，然后用聚类技术将简化后的数据进行聚类，对不同的聚类使用经过克隆选择免疫算法改进了的神经网络进行训练，接着将这些经过不同神经网络训练的数据用模糊权值组合起来，放入新的用克隆选择免疫算法改进了的神经网络再进行训练，从而完成分类的整个训练过程。并且通过UCI下的6个经典数据集，对模型的有效性进行了... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-8 |
|
第一章 导论 |
8-17 |
|
1.1 引言 |
8-11 |
|
1.1.1 问题的提出 |
8-9 |
|
1.1.2 研究背景 |
9-10 |
|
1.1.3 研究目的 |
10-11 |
|
1.2 国内外研究现状 |
11-15 |
|
1.2.1 免疫算法的研究现状 |
11-12 |
|
1.2.2 混合智能系统的研究现状 |
12-13 |
|
1.2.3 异常检测的研究现状 |
13-15 |
|
1.3 研究内容及论文结构 |
15-17 |
|
1.3.1 研究思路 |
15 |
|
1.3.2 主要内容及论文结构 |
15-17 |
|
第二章 基于免疫算法的混合智能系统的提出 |
17-26 |
|
2.1 免疫算法的概念和设计 |
17-19 |
|
2.1.1 生物免疫系统和人工免疫系统 |
17 |
|
2.1.2 免疫优化算法 |
17-19 |
|
2.2 混合智能系统的定义和基本模式 |
19-22 |
|
2.2.1 混合智能系统的定义 |
19-20 |
|
2.2.2 混合智能系统的基本模式 |
20-22 |
|
2.3 免疫算法在异常检测中的应用 |
22-26 |
|
2.3.1 异常检测的基本概念 |
22-23 |
|
2.3.2 免疫算法在异常检测中的应用分析 |
23-26 |
|
第三章 基于免疫算法的混合智能系统 R-FC-CSNN |
26-43 |
|
3.1 基于免疫算法的混合智能系统 R-FC-CSNN 的总体框架 |
26-27 |
|
3.2 RS 子系统 |
27-30 |
|
3.2.1 RS 子系统的基本功能和结构 |
27-28 |
|
3.2.2 RS 子系统的具体实现 |
28-30 |
|
3.3 FCM 子系统 |
30-35 |
|
3.3.1 FCM 子系统的基本功能和结构 |
31 |
|
3.3.2 FCM 子系统的具体实现 |
31-35 |
|
3.4 CSNN 子系统 |
35-39 |
|
3.4.1 CSNN 子系统的基本功能和结构 |
35 |
|
3.4.2 CSNN 子系统的具体实现 |
35-39 |
|
3.5 FNN 子系统 |
39-40 |
|
3.6 R-FC-CSNN 整体性能分析 |
40-43 |
|
第四章 混合智能系统 R-FC-CSNN 的实现和初步实验分析 |
43-54 |
|
4.1 混合智能系统 R-FC-CSNN 的设计和实现 |
43-45 |
|
4.1.1 系统设计的基本原则及功能 |
43-44 |
|
4.1.2 系统的设计与实现 |
44-45 |
|
4.2 混合智能系统 R-FC-CSNN 的初步实验分析 |
45-54 |
|
4.2.1 数据集介绍 |
45-48 |
|
4.2.2 实验过程 |
48-53 |
|
4.2.3 实验结果及其分析 |
53-54 |
|
第五章 混合智能系统 R-FC-CSNN 在异常检测中的应用 |
54-60 |
|
5.1 基于混合智能系统 R-FC-CSNN 的异常检测系统 |
54-57 |
|
5.1.1 现有异常检测系统的不足 |
54-56 |
|
5.1.2 基于混合智能系统 R-FC-CSNN 的异常检测模型 |
56-57 |
|
5.2 实验分析 |
57-60 |
|
5.2.1 实验数据集 |
57 |
|
5.2.2 实验过程 |
57-58 |
|
5.2.3 实验结果及其分析 |
58-60 |
|
第六章 结束语 |
60-61 |
|
附录 RFCCSNNTOOL 的主要实现函数 |
61-66 |
|
参考文献 |
66-70 |
|
致谢 |
70-71 |
|
攻读学位期间主要研究成果 |
71 |
|
| 【DOI】 | LunWen.ID:2.2008.389066 |
