基于免疫机制的入侵检测系统的研究

基于免疫机制的入侵检测系统的研究

论文摘要

近年来,各种针对计算机信息系统的攻击越来越普遍。现有的入侵检测技术由于本身的一些缺陷无法很好地应对这种情况,在检测入侵中表现出自适应性不强、检测效率不高等问题。针对这些不足,论文研究了入侵检测的关键技术和免疫机制的基本原理,并将免疫原理应用于入侵检测系统中。论文首先介绍了入侵检测的基本原理,讨论了常规入侵检测系统的局限性及今后的发展方向。其次,阐述了人工免疫系统的生物学基础、原理和特点。详细分析了基于人工免疫的入侵检测技术的主要算法:否定选择算法、克隆选择算法等。然后,分析了现有检测器的生成算法,提出了一种新的检测器生成算法——MAMA(多属性匹配算法)。使特征字段的匹配更加符合实际情况;也避免匹配区域r过大带来的效率问题。最后,在综合上述技术的基础上,设计了基于免疫机制的入侵检测系统。论文提出了一种基于人工免疫的入侵检测的特征编码表示,缩短了特征码的长度。可有效提高检测器的生成与执行检测的速度。使用基因重组的方法代替随机产生候选检测器的方法,进一步促进有效检测器的生成。通过分析动态克隆选择算法,发现协同刺激过多导致检测性能下降,引进了用高频连接模式对网络数据包预先进行过滤的方法来加快对入侵的检测速度。选用kddcup99数据集作为数据源,对IBIDS系统进行仿真实验。算法分析和实验结果表明论文提出的IBIDS系统的检测方法比动态克隆选择算法能更有效地检测出未知的攻击行为,且具有较快的运行速度。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 概述
  • 1.2 课题的研究背景
  • 1.3 国内外研究状况
  • 1.4 论文的组织结构和主要研究工作
  • 第二章 入侵检测技术概述
  • 2.1 入侵检测的定义及分类
  • 2.2 入侵检测方法
  • 2.2.1 异常入侵检测技术
  • 2.2.2 误用入侵检测技术
  • 2.2.3 其它检测技术
  • 2.3 入侵检测系统的体系结构
  • 2.4 入侵检测系统的性能指标
  • 2.5 现有入侵检测的局限性与发展趋势
  • 第三章 人工免疫系统与入侵检测系统
  • 3.1 人工免疫系统
  • 3.1.1 人工免疫系统发展历程
  • 3.1.2 人工免疫系统概述
  • 3.2 人工免疫系统的生物学机理
  • 3.2.1 多层防护体系
  • 3.2.2 免疫系统的识别机制
  • 3.2.3 免疫系统的响应机制
  • 3.3 入侵检测与生物免疫的相似之处
  • 3.4 常用免疫算法
  • 3.4.1 否定选择算法
  • 3.4.2 克隆选择算法
  • 3.4.3 动态克隆选择算法
  • 第四章 基于免疫机制的IDS 中检测器生成算法的研究
  • 4.1 检测器生成算法的理论分析
  • 4.1.1 算法实现的环境和约束条件
  • 4.1.2 匹配规则
  • 4.2 现有检测器生成算法
  • 4.2.1 穷举检测器生成算法
  • 4.2.2 贪婪检测器生成算法
  • 4.2.3 否定选择变异检测器生成算法
  • 4.2.4 基于线性时间复杂度的检测器生成算法
  • 4.2.5 现有检测器生成算法的不足
  • 4.3 新的检测器生成算法——MAMA
  • 4.3.1 MAMA 的算法思想
  • 4.3.2 MAMA 的实现
  • 4.4 实验结果及分析
  • 第五章 基于免疫机制的入侵检测系统模型
  • 5.1 系统模型设计
  • 5.1.1 系统模型
  • 5.1.2 模型符号定义
  • 5.1.3 网络连接模式的定义与表示
  • 5.1.4 高频连接
  • 5.2 关键模块的设计与实现
  • 5.2.1 未成熟检测器的生成
  • 5.2.2 未成熟检测器的耐受
  • 5.2.3 成熟检测器的检测及克隆选择
  • 5.2.4 记忆检测器的检测及变异
  • 5.2.5 模型实现算法
  • 5.3 仿真实验
  • 5.3.1 实验数据集的描述
  • 5.3.2 实验数据的选取与预处理
  • 5.3.3 实验环境
  • 5.3.4 实验中各参数的设定
  • 5.3.5 实验结果与分析
  • 第六章 总结与展望
  • 6.1 本文的总结
  • 6.2 入侵检测的展望
  • 参考文献
  • 致谢
  • 在学期间发表的学术论文以及科技成果
  • 相关论文文献

    • [1].基于系统调用的交互式入侵检测系统设计与实现[J]. 仪表技术 2020(03)
    • [2].一种基于红外探测技术的住房入侵检测系统[J]. 软件工程 2017(03)
    • [3].数据挖掘算法在入侵检测系统中的应用研究[J]. 电脑知识与技术 2017(08)
    • [4].入侵检测系统在网络安全中的研究[J]. 无线互联科技 2017(14)
    • [5].网络安全中混合型入侵检测系统设计[J]. 通讯世界 2016(01)
    • [6].基于改进K均值算法的入侵检测系统设计[J]. 计算机技术与发展 2016(01)
    • [7].大数据环境下入侵检测系统概述[J]. 软件 2016(05)
    • [8].基于数据分流的并行入侵检测系统研究[J]. 黑龙江科技信息 2016(25)
    • [9].入侵检测系统的研究综述[J]. 吉林大学学报(信息科学版) 2016(05)
    • [10].基于入侵检测系统与防火墙联动的设计[J]. 计算机安全 2014(11)
    • [11].人工免疫系统在入侵检测系统中的应用[J]. 信息通信 2015(01)
    • [12].病虫害综合信息网入侵检测系统研究[J]. 北京农学院学报 2015(01)
    • [13].浅析入侵检测系统的应用部署[J]. 网络安全技术与应用 2015(02)
    • [14].防火墙与入侵检测系统联动技术的分析与研究[J]. 数字技术与应用 2015(05)
    • [15].入侵检测系统与防火墙联动技术研究[J]. 信息通信 2015(09)
    • [16].入侵检测中的多样性和冗余——DiSIEM项目及其研究成果(四)[J]. 中国教育网络 2020(08)
    • [17].关于误用与异常技术结合下的入侵检测系统的研究[J]. 电脑迷 2016(11)
    • [18].基于朴素贝叶斯的入侵检测优化设计[J]. 数码世界 2017(09)
    • [19].防火墙和入侵检测系统在电力企业信息网络中的应用[J]. 知音励志 2017(08)
    • [20].简析入侵检测系统性能测试与评估[J]. 科技信息 2013(26)
    • [21].入侵检测系统研究现状及发展趋势[J]. 商丘职业技术学院学报 2013(05)
    • [22].入侵检测系统面临的主要问题及其未来发展方向[J]. 考试周刊 2009(44)
    • [23].基于自动编码器集合的入侵检测系统的研究与实现[J]. 中国新通信 2019(24)
    • [24].数字化校园中入侵检测系统的研究与应用[J]. 吉林农业科技学院学报 2019(01)
    • [25].基于特征选择算法的网络实时入侵检测系统研究[J]. 现代信息科技 2019(20)
    • [26].提升入侵检测系统效率的设计与实现[J]. 山西煤炭管理干部学院学报 2015(04)
    • [27].入侵检测系统浅析[J]. 网友世界 2014(08)
    • [28].入侵检测系统的发展方向[J]. 中国教育网络 2013(06)
    • [29].信息安全入侵检测系统进展研究[J]. 计算机光盘软件与应用 2014(05)
    • [30].面向虚拟化平台的入侵检测系统的研究[J]. 计算机光盘软件与应用 2014(03)

    标签:;  ;  ;  ;  ;  

    基于免疫机制的入侵检测系统的研究
    下载Doc文档

    猜你喜欢