基于进化小波网络的入侵检测

论文摘要

入侵检测是目前研究最多，应用最广的安全技术之一。入侵检测即识别出(最好是实时)对计算机及网络系统的非法的和未授权的使用、误用和滥用。我们可以把这个识别过程看成是一个分类过程(即区分出哪些是正常使用，哪些是非正常使用)。 本文的主要研究工作如下： 1．本文给出了基于小波网络的入侵检测模型，该模型结合了神经网络(自学习能力)与小波分析(最佳函数逼近能力)的优点。 2．该模型中的学习模块在解决实际问题的性能及效率很大程度上取决于合适的优化算法。故本文在该小波网络入侵检测模型的学习模块中使用了基于免疫的学习算法，克服了基于梯度的学习算法的收敛速度慢、易陷入局部最小的缺陷。 3．本文使用免疫克隆选择算法代替了基于免疫的学习算法，更好的实现探查、导引及收敛促成这三个需共同合作与相互平衡的过程，依据抗体——抗原亲合度动态分配克隆规模，通过构造更适应于特定问题的克隆算子，表现出更好的解决问题的潜力。 4．本文首次在小波网络入侵检测模型中的编码问题上使用了递阶结构的染色体编码，做到了真正意义上的网络结构与参数的同步进化。

论文目录

• 第一章 绪论
• 1.1 入侵检测技术的背景研究
• 1.1.1 传统的安全技术
• 1.1.2 传统的安全模型的局限性
• 1.1.3 入侵检测技术的诞生
• 1.2 入侵检测技术概述
• 1.2.1 入侵检测系统的几个里程碑
• 1.2.2 入侵检测系统的组成与结构
• 1.3 现有的入侵检测分析技术
• 1.3.1 误用检测
• 1.3.2 异常检测
• 1.3.3 入侵检测技术的发展方向
• 1.4 论文内容和章节安排
• 第二章 小波网络
• 2.1 小波分析理论基础
• 2.1.1 小波分析的思想来源与发展史
• 2.1.2 当前小波应用研究工作的几个重要方面
• 2.1.3 小波及小波变换理论
• 2.2 神经网络理论基础
• 2.2.1 人工神经元模型与网络结构
• 2.2.2 神经网络的学习
• 2.2.3 BP算法
• 2.3 小波网络理论基础
• 2.3.1 小波分析与神经网络的结合——小波网络
• 2.3.2 小波网络学习算法
• 2.3.3 WNN、RBF以及BP网络的比较
• 第三章 人工免疫系统
• 3.1 引言
• 3.1.1 人工免疫系统的研究概况
• 3.1.2 几个基本概念
• 3.2 免疫算法
• 3.2.1 以遗传算法为代表的进化计算及其瓶颈问题
• 3.2.2 免疫算法的一般步骤
• 3.3 免疫克隆选择算法
• 3.3.1 克隆选择学说
• 3.3.2 免疫克隆选择算法基本步骤
• 第四章 基于小波网络的入侵检测模型
• 4.1 入侵检测数据源的选择
• 4.2 基于小波网络的入侵检测模型的实现
• 4.2.1 基于小波网络的入侵检测模型的构建
• 4.2.2 小波网络的实现
• 4.2.3 数据预处理
• 4.3 仿真实验与结果分析
• 第五章 基于进化小波网络的入侵检测技术
• 5.1 学习算法的重要性
• 5.2 基于免疫自适应小波网络的入侵检测算法
• 5.2.1 基于小波网络的入侵检测模型的免疫学习算法的实现
• 5.2.2 仿真实验与结果分析
• 5.3 基于免疫克隆选择小波网络的入侵检测算法
• 5.3.1 递阶结构的染色体编码方案
• 5.3.2 免疫克隆选择算法的实现
• 5.3.3 仿真实验与结果分析
• 第六章 总结与展望
• 6.1 全文的总结
• 6.1.1 本论文的研究意义
• 6.1.2 本论文的创新之处
• 6.2 入侵检测系统的展望
• 致谢
• 参考文献
• 读研期间发表的论文