用于网络入侵检测的免疫学习子系统

网络入侵检测当前面临的主要问题是如何迅速有效地检测出未知模式的入侵 .借鉴生物免疫系统中的自进化学习机制 ,我们设计了一种免疫算法 ,该算法以生物免疫的自我非我识别为基础 ,并进一步引入免疫学习机制以提高算法对入侵模式识别的效率和正确率 .算法由四个紧密联系的模块组成 :基因库进化模块、亲和度变异模块、非我选择模块和免疫记忆模块 ,四者形成一个有机的整体 .本文介绍了免疫算法的具体细节 ,并完成了相应的验证实验 .

免疫原理在入侵检测中的应用

简要介绍入侵检测系统和人体免疫系统的基本概念。基于人体免疫系统的3个进化阶段,将两者有机结合,提出了一个免疫网络入侵检测系统模型,对模型主要功能模块进行了描述。

基于人工免疫原理的入侵检测系统

文章针对前人的免疫IDS模型,改进了动态克隆选择算法与基因库相结合的入侵检测方法,设计了一种self集的确定方法,采用分段匹配的方法,利用人体免疫细胞抗体生成的机制将细胞分为记忆细胞、成熟细胞和未成熟细胞,改进了基于基因库进化、高突变与否定选择相结合的成熟检测器生成算法。

基于改进的可变半径检测器实值否定选择算法

在基于人工免疫的入侵检测研究领域,一般都是先随机产生字符串,然后应用否定选择来生成检测器.这种方法生成检测器的检测率低,而且生成的检测器集数目庞大.本文提出了一种改进的可变半径检测器的实值否定选择算法,由于非自体样本中存在着关于非自体空间的信息,通过应用非自体样本初始化基因库,采用基因库进化策略更新基因库,从而生成了更有效的检测器集.通过实验证明,该方法是有效的,在不影响误报率的情况下提高了检测率.