| 【中文题名】 | 基于人工免疫系统的检测器生成算法研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-11-5 |
| 【中关键词】 | 入侵检测,人工免疫系统,否定选择,检测器生成算法,, |
| 【英关键词】 | Intrusion detection,Artificial immune system,Negative selection,Detector generating algorithm, |
| 【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】 |
随着计算机技术和网络技术的迅猛发展，计算机系统已经从独立的主机发展到复杂的、互联的开放式系统，这种情况导致计算机及网络的入侵问题越来越突出，为保护系统资源，需要建立不同于防火墙和防病毒软件的主动防御机制检测入侵。入侵检测系统就是监控网络或计算机系统的动态行为特征并据此判断是否有入侵的主动防御措施。入侵检测技术作为确保计算机网络信息安全的一个重要手段正成为信息安全领域的研究热点之一。入侵检测系统的运行机理与人体免疫系统有着天然的相似之处，人体免疫系统成功保护肌体免受各种侵害的机理为研究入侵检测提供了重要的方法。
基于免疫学的入侵检测是近几年来入侵检测领域研究的热点，它的突出特点是利用生物免疫系统的原理、规则与机制来实现对入侵行为的检测和反应。目前多数商业化的入侵检测产品采用简单模式匹配技术，它只适用于较简单的攻击方式且误报率高，只能检测出已知攻击模式。而基于免疫原理的入侵检测系统能够利用不完备信息检测出未知攻击模式，具有很强的现实意义。
在入侵检测系统中，初始检测器的生成是非常关键的一步，它关系到整个系统的检测速度和效率。本文在深入学习免疫学原理与人工免疫系统工作机理的基础上，分析了现... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-8 |
|
第一章 绪论 |
8-18 |
|
1.1 IDS的发展过程 |
9-13 |
|
1.1.1 精简审计问题的提出 |
9-10 |
|
1.1.2 入侵检测专家系统(IDES) |
10-12 |
|
1.1.3 商业产品的出现 |
12 |
|
1.1.4 非商用入侵检测系统 |
12-13 |
|
1.2 入侵检测研究现状 |
13-14 |
|
1.3 现有入侵检测方法所存在的不足 |
14-15 |
|
1.4 论文的研究内容和组织结构 |
15-18 |
|
1.4.1 研究内容 |
16 |
|
1.4.2 论文的组织结构 |
16-18 |
|
第二章 入侵检测系统概况 |
18-27 |
|
2.1 入侵检测系统的CIDF模型 |
18-19 |
|
2.2 入侵检测系统中的分类 |
19-25 |
|
2.2.1 根据检测数据源的分类 |
19-21 |
|
2.2.2 根据入侵检测方法的分类 |
21-23 |
|
2.2.3 根据系统体系结构的分类 |
23-25 |
|
2.3 入侵检测系统的目标 |
25 |
|
2.4 入侵检测系统的发展趋势 |
25-27 |
|
第三章 免疫原理与人工免疫系统 |
27-39 |
|
3.1 免疫系统的相关原理 |
27-31 |
|
3.1.1 生物免疫系统简介 |
27-28 |
|
3.1.2 免疫识别 |
28-29 |
|
3.1.3 免疫应答 |
29-30 |
|
3.1.4 否定选择原理 |
30-31 |
|
3.2 生物免疫系统的特性及与计算机免疫的关系 |
31-34 |
|
3.2.1 识别多样性 |
31-32 |
|
3.2.2 联想记忆及再次应答 |
32 |
|
3.2.3 疫苗接种 |
32 |
|
3.2.4 免疫系统与计算机免疫系统的关系 |
32-34 |
|
3.3 人工免疫系统(AIS) |
34-39 |
|
3.3.1 人工免疫系统的含义 |
34 |
|
3.3.2 AIS的一般框架 |
34-35 |
|
3.3.3 人工免疫系统与入侵检测系统的关系 |
35-37 |
|
3.3.4 AIS的应用概述 |
37-39 |
|
第四章 一种新的基于海明距离的检测器生成算法 |
39-52 |
|
4.1 基于人工免疫的入侵检测问题描述 |
39 |
|
4.2 人工免疫系统中的近似匹配算法 |
39-41 |
|
4.2.1 海明距离公式 |
39-40 |
|
4.2.2 连续r位的匹配规则 |
40 |
|
4.2.3 r-chunk(rch) |
40 |
|
4.2.4 Landscape-Affinity匹配 |
40-41 |
|
4.3 基于否定选择的检测器生成算法 |
41-52 |
|
4.3.1 否定选择算法 |
42-43 |
|
4.3.2 否定选择变异算法 |
43-44 |
|
4.3.3 r可变否定选择算法 |
44-45 |
|
4.3.4 多级否定选择算法(M-NSA) |
45-46 |
|
4.3.5 几种算法的比较分析 |
46-47 |
|
4.3.6 一种新的基于海明距离的否定选择算法(h-NSA) |
47-52 |
|
第五章 h-NSA算法实验与结果分析 |
52-62 |
|
5.1 实验描述 |
52 |
|
5.2 h-NSA与t-NSA中G_M的比较 |
52-56 |
|
5.3 t-NSA和N-NSA中D_R的比较 |
56-59 |
|
5.4 实验结果分析与比较 |
59-62 |
|
5.4.1 N_R的分析比较 |
59-60 |
|
5.4.2 算法复杂度分析 |
60-62 |
|
第六章 结论与展望 |
62-64 |
|
6.1 本文的主要工作 |
62 |
|
6.2 进一步的工作 |
62-64 |
|
参考文献 |
64-73 |
|
致谢 |
73-74 |
|
攻读硕士学位期间撰写及发表论文情况 |
74-75 |
|
| 【DOI】 | LunWen.ID:2.2008.389198 |
