危险模式免疫算法及其在网络安全中的应用研究

论文摘要

最近，随着生物免疫学的丰富和完善，一个全新的免疫理论——危险模式理论(Danger Theory)，对传统SNS模式的现代免疫学基本理论提出质疑，打破自体耐受，从空间概念上改变了传统模式的束缚。危险模式理论所提供的“危险信号”能有效合理的表示和处理丰富信息，这一崭新免疫理论为AIS研究开辟了全新的视野。本文主要受危险模式理论启发，基于前人的基础，探讨基于危险模式的免疫算法及其在网络安全中的应用研究，并取得一些成果：1、从免疫学理论和算法的角度出发，对比基于危险模式理论的AIS与传统AIS，分析了目前SNS模型的局限性，阐述基于危险模式理论的AIS的优势，进而提出一种危险模式免疫算法(DIA)。2、针对传统免疫算法在网络安全领域应用中出现的诸多问题如计算复杂度高、自适应差等缺点，把危险模式理论引入该领域中。从危险模式理论中抽象出相关原理、结构并分析将其应用于异常检测的可行性，进而提出一个完整地基于危险模式的IDS异常检测系统模型和基于危险模式的未知蠕虫预警系统模型，同时结合聚类技术提出相关算法。3、对提出的免疫算法DIA和未知蠕虫预警系统进行试验仿真，并对实验结果进行了分析。4、最后，对危险模式免疫算法在网络安全领域的应用研究进行展望，提出需要进一步开展的研究工作。

论文目录

• 摘要
• 英文摘要
• 第一章 绪论
• 1.1 选题背景和意义
• 1.2 国内外研究概况
• 1.3 主要工作介绍
• 1.4 组织结构
• 第二章 人工免疫系统
• 2.1 生物免疫系统
• 2.1.1 生物免疫系统的结构
• 2.1.2 免疫机制
• 2.1.3 生物免疫系统的特点
• 2.2 人工免疫系统
• 2.2.1 名词解释
• 2.2.2 人工免疫系统模型
• 2.2.3 免疫算法研究
• 2.2.4 应用研究
• 2.3 小结
• 第三章 人工免疫系统在网络安全领域的应用
• 3.1 网络安全
• 3.1.1 网络安全威胁
• 3.1.2 网络安全技术
• 3.2 人工免疫系统在网络安全领域的应用
• 3.2.1 入侵检测
• 3.2.2 病毒防御
• 3.3 小结
• 第四章 基于危险模式的免疫算法研究
• 4.1 传统模式理论
• 4.1.1 自体-非自体模式（Self-Nonself model，SNS）
• 4.1.2 双信号模式（Two Signal Model）
• 4.1.3 双信号模式的延伸-协同刺激模式（Co-stimulation Model）
• 4.1.4 感染的—非我模式（Infectious-Nonself Model，INS）
• 4.2 危险模式（Danger Model）
• 4.2.1 危险模式应答过程
• 4.2.2 危险信号
• 4.3 基于危险模式理论的人工免疫系统
• 4.3.1 基于危险模式的AIS与传统 AIS的比较
• 4.3.2 基于危险模式的免疫模型
• 4.3.3 基于危险模式的免疫算法
• 4.4 结束语
• 第五章 基于危险模式的IDS异常检测系统
• 5.1 危险模式应用于IDS异常检测的可行性
• 5.2 基于危险模式的IDS异常检测系统模型
• 5.3 相关算法描述
• 5.4 小结
• 第六章 基于危险模式的未知蠕虫预警系统
• 6.1 网络蠕虫的特征
• 6.2 未知蠕虫的防治现状
• 6.3 基于危险模式的未知蠕虫预警系统
• 6.3.1 免疫组件定义
• 6.3.2 危险监测器
• 6.3.3 克隆选择过程
• 6.3.4 网络蠕虫行为的检测过程
• 6.3.5 网络蠕虫预警系统的定量计算模型
• 6.3.6 未知蠕虫预警系统算法
• 6.4 仿真试验
• 6.5 小结
• 第七章 危险模式免疫算法在网络安全领域的展望
• 7.1 引言
• 7.2 需要进一步研究的问题
• 7.3 小结
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文和参与的科研项目