基于Agent人工智能的异构网络多重覆盖节点入侵检测系统设计

异构网络具有结构复杂、多重覆盖面积大等特征,使得网络入侵检测较为隐蔽,威胁网络运行的安全性;为此,对基于Agent人工智能的异构网络多重覆盖节点入侵检测系统进行了研究;通过检测Agent和通信Agent装设主机Agent,以Cisco Stealthwatch流量传感器作为异构网络传感器检测攻击行为,采用STM32L151RDT664位微控制器传输批量数据,由MAX3232芯片实现系统电平转化,实现硬件系统设计;软件部分设计入侵检测标准,采用传感器设备捕获网络实时数据,通过Agent技术解析异构网络协议并提取数据运行特征,综合考虑协议解析结果及与检测标准匹配度,实现异构网络多重覆盖节点入侵检测;经实验测试表明,基于Agent人工智能的异构网络多重覆盖节点入侵检测系统入侵行为的漏检率和入侵类型误检率的平均值仅为6%和5%,能够有效提高检测精度,减小检测误差。

一种基于多重覆盖的结构化P2P搜索

本文提出了一种基于多重覆盖的结构化P2P搜索策略,mDOS(multi-Dimensional Overlays based Search)。mDOS模拟社会网络中的小世界模型,根据结点的多重属性将结点组织成为多维树型结构。每一维上的任意两个结点根据其在树型结构中的位置形成语义距离。按照覆盖网络中实际距离与语义距离之间的一定函数关系构造多重覆盖网络。邻居结点和目标结点之间在网络中的实际距离可以通过他们的语义距离估计得到,形成基于结点属性的路由方向感。两个结点的有效距离取值多维中的最短语义距离。多重覆盖中的一个结点可以桥接在不同维上的邻居结点,缩小结点之间的平均有效距离,进而缩短搜索路径长度。mDOS还引入索引内容"懒惰维护"机制和路由表"被动修改"机制以克服结点动态性带来的覆盖网络维护代价。最后的实验表明mDOS可以降低搜索路径长度,降低维护代价,提高可用性。