大规模网络非自体入侵动态实时取证仿真研究

摘要

为了保障大规模网络运行安全,更好地对非自体入侵进行抵御,需要对网络非自体入侵动态实时取证.当前基于多代理的大规模网络非自体入侵动态实时取证方法,无法得到有效的非自体入侵证据,入侵检测结果可靠性弱,入侵取证可信程度低.提出一种通过人工免疫,对网络非自体入侵动态实时取证的方法,将网络的状态特征,与分类器参数当作遗传法的个体;计算个体的适应度函数,利用选择、交叉以及变异等操作,得到最优的特征以及分类器参数;利用SVM参数构建入侵检测模型,提升检测可靠性;依据网络非自体入侵检测结果,构建非自体动态的演化模型,在非自体的演化周期中,非自体集合利用非自体演化周期当作节拍,和真实网络的计算环境基本同步演化;构建抗原动态的演化模型,对网络非自体入侵演化进行模拟;构建动态的免疫记忆模型,对网络非自体入侵动态变迁状况进行记录;对动态实时取证模型进行构建,实现高效网络非自体入侵动态取证.仿真表明,上述方法入侵检测质量高,得到的入侵证据能够为计算机网络安全的发展提供支撑.