一个基于免疫原理与粗糙集理论的入侵检测模型

论文摘要

随着计算机应用越来越广泛,各种安全问题层出不穷。目前,已经采用了许多措施来保护计算机系统的安全,但这些都属于静态防护措施,难以满足复杂多变的应用环境,入侵检测系统因其能提供有效的动态保护功能而成为研究热点。 现在,已经存在许多通过监视进程的系统调用序列来检测入侵的方法和模型,但这些方法普遍需要完备的调用数据来建立正常行为模式,缺乏对已知入侵的快速检测能力,难以满足实时检测的要求等问题。 针对目前基于系统调用的入侵检测方法中存在的问题,论文提出了一个基于免疫原理与粗糙集理论的入侵检测模型。首先,利用粗糙集理论能从小样本中提取出有效规则的特点,从正常系统调用序列中抽取出小部分数据,转换为决策表形式,然后利用约简理论对决策表进行约简,在约简的基础上提取出简洁的预测规则,形成正常行为模式,通过正常行为模式实现对系统调用的异常检测。受免疫记忆和人工主动免疫的启发,论文提出了一种基于免疫记忆的已知入侵的快速检测方法。 论文提出的模型不仅具有从部分系统调用中提取规则的能力,而且所得到规则形式简洁,更适应在线检测的要求,同时实现了对已知入侵行为的快速检测。初步实验表明,论文提出的入侵检测模型是切实可行的。

论文目录

• 第一章 入侵检测研究概述
• 1.1 入侵检测系统的体系结构与框架
• 1.2 入侵检测系统的分类
• 1.3 入侵检测方法和技术
• 第二章 相关研究及论文研究内容
• 2.1 相关研究
• 2.1.1 基于免疫原理的异常检测方法的提出
• 2.1.2 基于规则挖掘的异常检测方法
• 2.1.3 可变长度系统调用的异常检测模型
• 2.1.4 基于分类面的异常检测方法
• 2.2 本论文的主要工作和研究内容
• 2.3 小结
• 第三章 基于免疫原理与粗糙集理论的入侵检测模型
• 3.1 数据采集与处理
• 3.2 规则提取模块和模式库部分
• 3.3 检测引擎部分
• 3.4 主动免疫模块
• 3.5 主动响应模块部分
• 3.6 小结
• 第四章 循环序列的置换处理
• 4.1 循环体的识别与置换
• 4.1.1 循环体的概念
• 4.1.2 置换方法
• 4.2 识别与提取的改正算法
• 4.2.1 原算法缺陷
• 4.2.2 改正算法
• 4.3 小结
• 第五章 异常检测的粗糙集方法
• 5.1 正常行为模式库的建立
• 5.1.1 系统调用的决策表
• 5.1.2 提取系统调用的行为规则
• 5.1.3 决策表的约简理论
• 5.1.4 最小命中集的约简遗传算法
• 5.1.5 提取约简行为规则集
• 5.2 异常检测方法
• 5.2.1 检测算法
• 5.3 小结
• 第六章 基于免疫记忆的快速检测方法
• 6.1 免疫机制的启发
• 6.2 入侵特征记忆库的建立
• 6.2.1 规则覆盖率
• 6.3 快速检测算法
• 6.4 小结
• 第七章 实验结果分析
• 7.1 初步实验数据
• 7.2 正常行为的“自我”识别
• 7.3 异常行为数据集的检测
• 7.4 己知入侵行为的快速检测
• 7.5 小结
• 第八章 总结与进一步工作
• 参考文献
• 在学习期间发表的论文清单
• 致谢