免疫入侵检测器生成算法和分析器模型研究

摘要

随着信息技术的飞速发展，网络架构变得非常复杂、黑客的攻击手段更是层出不穷，在这个变幻莫测的网络环境中传统的入侵检测方法显得越发无力。人工免疫学理论是由生物免疫中总结出的一系列智能化的理论。免疫系统与生俱来的分布性、鲁棒性以及自组织性等优秀特性，使得基于免疫的入侵检测技术成为当前网络安全研究领域的一个热点问题。
　　受生物免疫系统启发，参考抗体提升自身性能的原理，以提升实值检测器的性能为目标，提出基于PCA的实值否定选择算法。该算法通过PCA提取目标对象的主成分，构成主成分空间，来提升检测器的识别能力；利用特有的匹配规则在主成分空间中训练检测器，进一步提升检测器的性能。将该算法在KDD CUP99数据集上的测试结果与传统的实值否定选择算法作对比，证明该算法对于实值否定选择算法在高维形态空间中的不足有很好的弥补，较为明显地提升了检测器在高维形态空间中的检测性能。
　　针对目前的免疫入侵检测技术在未知入侵检测方面的缺陷，以及检测器更新不及时等问题，提出了一种新型的免疫入侵检测分析器模型。该模型提出一种结合随机生成和基于PCA的实值否定选择算法的综合方法，以此来产生更具多样性，效率更高的成熟检测器，设计了有效的记忆检测器更新方法，以提高记忆检测器检测模块的性能。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究背景

1.2 免疫入侵检测研究现状

1.3 研究的内容和意义

第2章 免疫入侵检测和PCA

2.1 免疫入侵检测概述

2.2 免疫入侵检测模型和性能

2.3 PCA

2.4 本章小结

第3章 基于PCA的实值否定选择算法

3.1 引言

3.2 高维实值检测器问题分析

3.3 基于PCA的实值否定选择算法

3.4 本章小结

第4章 免疫入侵检测分析器模型

4.1 引言

4.2 传统模型存在的问题

4.3 免疫入侵检测分析器模型设计

4.4 本章小结

第5章 实验结果及分析

5.1KDD CUP 99主成分

5.2 实验结果及分析

5.3 本章小结

结论

参考文献

攻读硕士学位期间所发表的学术论文

致谢