基于生物免疫原理的负选择模式匹配检测算法

仿生物免疫检测算法是人工免疫系统研究的一个重要的组成部分。文章针对过去所有的仿生物免疫检测算法中将数据文件等长划分所带来的基因缺失的缺陷,提出了一种负选择模式匹配检测算法。算法融合了生物学中负选择的思想,采用模式匹配的方法,并加入疫苗算子进行辅助检测。仿真实验表明,该算法具有较高的检测效率及不占用过多的时间和空间的优点。

入侵检测系统中的快速多模式匹配算法

网络入侵检测系统常常依赖于精确的模式匹配技术 ,依赖于算法的选择、实现以及使用频率。这种模式匹配技术可能成为入侵检测系统的瓶颈 ,为了跟上快速增长的网络速度和网络流量 ,Snort(开放源代码的网络入侵检测系统 )中采用了快速多模式匹配算法 。

基于人工免疫的入侵检测系统负选择并行算法

基于人工免疫的入侵检测技术是网络安全的一个新兴研究领。运用人体免疫系统的出色功能,对负选择算法进行并行化设计,根据程序并行性的条件将串行的负选择算法中的任务进行划分,由多个处理机并行求解子任务,并将子解合并获得问题的解。分析表明,基于人工免疫的入侵检测系统负选择并行算法获得线性加速。

负选择模型中初始检测器集的一个生成算法

在介绍人工免疫系统基本概念的基础上 ,讨论了人工免疫系统中应用广泛的负选择模型 .研究的重点是负选择模型中初始检测器集的生成算法 ,在穷举法的基础上提出了一个新的检测器生成算法 ,包括算法的设计、性能分析和试验 .理论分析与试验结果表明 ,新生成算法的时间复杂度小于穷举法 ,随检测器规模成线性递增 .

负选择算法中的检测器快速生成策略

提出层次匹配算法用以降低负选择算法的时间复杂度.首先从理论上证明层次匹配算法的有效性,其次依据r位连续匹配准则将自体集合分解为多个模式子集合以获得构成检测器的组件,最后通过二叉树连接组件得到检测器集合;层次匹配算法充分利用自体模式以提高搜索成功率、缩短生成时间;实验结果表明,在同样的实验环境下层次匹配算法比传统算法和位变异算法有更好的性能.

基于改进负选择算法的异常检测

为解决基于负选择的异常检测算法中检测器数目和检测器对非我空间的覆盖二者之间的矛盾问题,采用粒子群优化算法(PSO)来优化负选择算法中随机产生的检测器的位置,从而实现用较少的检测器实现对非我空间更大的覆盖。在保证检测器尽可能小的覆盖自我空间的前提下,扩大检测器集合对非我空间的覆盖,并且在这个过程中检测器的数目是一定的。对正弦时间序列信号(artificial datasets)和轴承滚珠故障的振动信号(real-word datasets)进行了仿真实验。实验结果表明,该算法相对于原始的负选择算法在对非我空间的覆盖和检测率的提高方面有显著的效果。

基于负选择算法的异常入侵检测

自然免疫系统的保护机制为设计计算机入侵检测带来了巨大的灵感,并且它是一种能够解决复杂入侵问题的信息安全技术。本文提出一个新的异常入侵检测算法,该算法能够通过产生有效率的检测因子来检测即时的入侵。

基于改进负选择算法的异常检测

为实现用较少数目的检测器覆盖较大的非自体空间,提出一种基于渐增式矩形检测器的负选择算法。该方法采用D∞距离匹配原则,检测器在每一维的方向上呈指数形式逐渐增长,直至与自体空间相匹配,从而使得产生的每个检测器在空间的每一维都延伸至最大,能够产生足够优秀的检测器集覆盖非自体空间。通过对检测器的合并,消除重叠等简化处理,实现了检测器的数目和大小的双重优化。对不同几何形状的数据集合进行了仿真。实验结果表明,该算法在对非自体空间的覆盖和检测率的提高方面有显著的效果。

一种改进的实值负选择算法

通过分析已有实值负选择算法检测率不高的原因,提出一种通过鉴别边界自体样本的改进负选择算法,以提高对检测黑洞的覆盖率。给出算法的改进思想、具体实现过程及优势分析。采用人工合成数据集2DSyntheticData和实际Biomedical数据集对算法进行验证。实验结果表明,该算法检测率较高,所需的检测器数量较少,综合性能较优。

一种线性时间检测器生成算法的改进算法

在介绍人工免疫系统基本概念的基础上,讨论了人工免疫系统中应用广泛的负选择模型。研究的重点是负选择模型中初始检测器集的生成算法,对线性检测器生成算法进行了改进。改进算法从两个方向分别构造数组C和C′,并做叉乘得到D数组,使产生的检测器能够匹配更多的"非我"字符串,去除冗余检测器缩小了检测器集的规模,包括算法的设计、性能分析和实验。理论分析与实验结果表明,改进算法降低了检测器规模,漏检概率Pf有较大下降。

基于免疫原理的网络入侵检测系统模型

目前网络入侵检测系统普遍具有自适应差、误报率高等问题。人类免疫系统工作原理为解决此类问题提供了一种很好的方法。通过对人类免疫系统工作原理的研究,根据其原理、体系结构建立了一个基于免疫原理的网络入侵检测系统模型。该模型系统具有分布性、自组织性和轻负荷的特性,能较好地解决入侵检测系统的自适应差、误报率高等问题。

基于人工免疫系统的入侵检测研究

人工免疫系统(AIS)作为解决入侵检测问题的一种方法,已经显示其突出的优点并得到快速发展。为使入侵检测系统的研究者更进一步了解基于AIS的入侵检测研究进展,回顾基于第1代和第2代AIS的入侵检测常用算法,并指出算法特点。阐述树突细胞算法(DCA)适合于解决入侵检测问题的优势,给出针对DCA算法的未来研究工作,包括该算法的形式化描述、通过分片思想实现DCA在线分析组件以及DCA输入数据的自动数据预处理。

异常检测中实数值可变尺寸检测器研究

对负选择算法异常检测中常用的检测器编码方法、实数值变尺寸检测器的产生过程进行研究的基础上,提出了一种简单有效的增加检测器检测半径的计算方法,并进行了实验。从理论分析和实践上都证明了这种方法的有效性,使用这种算法改进后的检测器可明显提高检测器组对检测空间的覆盖率。

基于生物免疫机理的分布式入侵检测体系

入侵检测系统被认为是继防火墙之后的网络第二道安全闸门,而生物免疫系统的分布性、多样性、自适应性、记忆性等正是入侵检测系统所期望实现的。本文将生物免疫机理应用于侵检测技术中,构建了一个基于生物免疫机理的分布式的入侵检测模型,详细阐述了该模型的体系结构、工作原理及流程,并对该模型使用的负选择算法和克隆选择算法进行了描述和分析。

基于免疫系统的入侵检测系统

根据生物免疫系统与入侵检测系统的相似性,提出了基于免疫系统的入侵检测系统模型,并对其主要功能模块和关键算法进行了描述。

用于异常检测的负选择算法的自体半径分析

负选择算法是用于异常检测的一种有效方法。可变半径的负选择算法中,检测器的半径对算法性能影响较大。本文通过实验分析并验证了在不同的应用下,自体半径的最佳取值。

基于人工免疫的入侵检测系统

随着网络的飞速发展,计算机所要处理的信息量空前膨胀,入侵检测技术(IDS)得到进一步的发展。一个好的IDS应具有的特性包括:可扩展、可维护、可移植、检测效高。经过对免疫系统研究发现其所具有的分布式自组织和轻量级特性正好满足了IDS的要求。

基于检测树的抗原合法性快速检测方法

针对负选择算法中抗原合法性检测时存在重复检测、逐位比较、检测效率低的问题,提出了基于检测树的抗原合法性快速检测方法。采用分步构造的方式将检测器集合构造为一棵检测树,待检测抗原只需在该检测树上进行一次路径搜索即可判段该抗原的合法性。实验结果表明,该方法检测效率优于遍历检测器集合逐位比较的检测方法,可以满足实时检测的要求,为基于人工免疫原理的异常检测问题提供了一种有效途径。