基于免疫学习的网络入侵检测技术研究

基于免疫学习的网络入侵检测技术研究

论文摘要

网络入侵检测系统负责保护计算机网络系统不受来自内部的和外部的入侵行为的侵害,而人工免疫系统负责保护人体不受细菌、病毒等外来病菌的侵害。在这一点上,它与计算机网络系统中的入侵检测系统类似。尽管它们的构成差别很大,但是它们在各自系统中的功能确有有很强的相似性,并由此发展出一种提高计算机系统安全的新思路。越来越多的计算机安全研究人员致力于将人工免疫学的思想、工作机制应用到入侵检测中去。 本人通过对网络入侵检测和人工免疫的原理研究,建立了一个基于免疫学习的入侵检测子系统。该系统以人工免疫中的自我非我识别为基础,引入免疫学习机制以提高算法对入侵模式识别的效率和正确率。该系统由四个紧密联系的模块组成:基因库进化、克隆选择、否定选择和免疫记忆,四者形成一个有机的整体。同时,本人还分析了此免疫系统的关键技术,并完成相应的验证实验,实验表明该子系统具有较好的识别入侵模式的能力。

论文目录

  • 1 绪论
  • 1.1 入侵检测的发展历史
  • 1.2 国内外研究现状
  • 1.3 本文的主要工作
  • 1.4 论文创新点
  • 2 入侵检测系统的基本原理
  • 2.1 入侵检测系统的概念
  • 2.1.1 入侵检测的必要性
  • 2.1.2 入侵、入侵检测与入侵检测系统
  • 2.2 入侵检测系统的分类
  • 2.2.1 按检测方法分类
  • 2.2.2 按检测数据来源分类
  • 2.2.3 按系统结构分类
  • 2.3 入侵检测的分析技术
  • 2.3.1 基于异常入侵分析技术
  • 2.3.2 基于误用入侵的分析技术
  • 2.4 入侵检测的发展趋势
  • 3 人工免疫系统的基本原理
  • 3.1 概述
  • 3.2 人工免疫系统组成
  • 3.2.1 人工免疫系统结构
  • 3.2.2 免疫细胞
  • 3.3 抗体
  • 3.3.1 抗体结构
  • 3.3.2 抗体作用
  • 3.4 免疫机制
  • 3.4.1 克隆选择
  • 3.4.2 阴性选择
  • 3.4.3 克隆扩增
  • 4 基于免疫学习的网络入侵检测子系统
  • 4.1 引言
  • 4.2 基于人工免疫原理的网络入侵检测系统特性
  • 4.3 AINIDS的结构
  • 4.3.1 抗体基因库的生成
  • 4.3.2 基因重组
  • 4.3.3 克隆选择
  • 4.3.4 抗体评估
  • 4.3.5 否定选择
  • 4.3.6 基因库进化
  • 4.4 AINIDS中的关键技术
  • 4.4.1 抗体规则集生成的技术
  • 4.4.2 检测集产生的理论技术
  • 4.4.3 检测中多模式匹配技术
  • 4.4.4 克隆选择技术
  • 4.4.5 检测集生成算法
  • 5 免疫学习子系统的实验与分析
  • 5.1 实验环境
  • 5.2 自我与非我的定义
  • 5.3 实验数据获取
  • 5.4 实验的结果与分析
  • 5.4.1 实验结果
  • 5.4.2 结果分析
  • 结论
  • 致谢
  • 参考文献
  • 个人简介
  • 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:;  ;  ;  ;  ;  

    基于免疫学习的网络入侵检测技术研究
    下载Doc文档

    猜你喜欢