一种自主免疫学习的分布式网络攻击对抗模型研究

针对网络系统容易遭受网络病毒攻击的问题,提出一种自主免疫学习的分布式网络攻击对抗模型。该网络攻击对抗模型采用分布式网络攻击检测算法来计算数据包信任值,再通过设置信任值的检测阈值,当数据包的信任值低于阈值时,判断该数据包遭到攻击。此方法可以确定数据包是否遭到病毒入侵,并对病毒的危险等级进行评估。基于人体的病毒防御机理提出适用于网络的自主免疫机制,通过带抗体的特殊数据包来清除带病毒数据包,并基于病毒的危险等级来生产适当的特殊数据包数量。在实验仿真中,算法在检测网络病毒的攻击以及清除网络病毒方面表现出良好的效果。