基于免疫原理的网络故障检测系统模型的研究

论文摘要

伴随着计算机网络技术的飞速发展,实时的网络状态检测与故障诊断对于保证计算机设备安全可靠,长期高效的运行具有重要的意义.本论文以人工免疫系统（Artificial Immune System,AIS）为理论基础,结合四川省科技厅基金项目:“基于免疫原理的网络故障入侵检测的研究”（04JY029-017-1）对网络故障检测进行研究。本论文研究了AIS基本原理,常用模型和相关的实现算法;结合网络故障的特性,并通过snort抓包和特征提取,分析了正常行为和异常行为,系统地建立了AIS在故障检测中的响应模型;设计了基于AIS的网络故障检测系统模型,并对模型进行了测试,得出相关结论;全文主要研究内容以下:主要论述了计算机网络故障检测的重要意义,发展与现状;同时简要介绍了AIS作为一种新兴的智能手段的研究和应用现状,介绍了人工免疫系统的理论基础——生物免疫系统相关特性和原理,并对由此发展出来的AIS及相关算法做了分析,随后对AIS技术特点在网络故障检测方法中的应用性进行了分析和比较.阐述了常见网络故障检测的一般应用框架,研究了基于AIS的网络故障检测问题,采用否定选择算法和一般免疫算法建立了AIS在网络故障检测中的相应模型,并对建立模型涉及到的相关算法和参数确定方法进行了深入的探讨,研究及改进.并以AIS在故障检测中的响应模型为基础,提出了故障检测系统的总体结构,并对该系统模型进行了功能测试.分析了分布式远程故障检测的应用现状及其发展方向,比较了各自的优缺点,最后得出相应的结论,并对今后的工作提出了一些建议和设想.

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 网络故障的研究意义
• 1.2 网络故障的研究现状
• 1.3 网络故障诊断的原理与方法
• 1.4 本文主要研究内容和总体结构
• 1.4.1 本文主要研究内容
• 1.4.2 本文总体结构
• 1.5 本章小结
• 第二章 人工免疫系统基本原理、模型和克隆选择算法
• 2.1 生物免疫系统原理
• 2.1.1 生物免疫机制
• 2.1.1.1 免疫耐受
• 2.1.1.2 免疫应答
• 2.1.1.3 免疫反馈
• 2.1.2 生物免疫系统的主要特点
• 2.1.2.1 耐受性
• 2.1.2.2 学习与认知
• 2.1.2.3 分布性
• 2.1.2.4 鲁棒性和适应性
• 2.1.2.5 多样性
• 2.1.2.6 自平衡性
• 2.1.2.7 自组织性
• 2.2 人工免疫原理
• 2.2.1 人工免疫研究概况
• 2.2.2 人工免疫中主要算法
• 2.2.2.1 否定选择算法
• 2.2.2.2 克隆选择算法
• 2.2.2.3 动态克隆选择算法
• 2.2.2.4 本文采用的算法
• 2.3 小结
• 第三章 基于免疫原理的网络故障检测
• 3.1 网络故障概述
• 3.1.1 网络故障的分类
• 3.1.2 网络故障的管理
• 3.1.3 网络故障诊断
• 3.2 网络故障的检测模型
• 3.2.1 优化树的原理及特征
• 3.2.1.1 优化树原理
• 3.2.1.2 优化记忆树的特征
• 3.2.2 优化记忆树的建立
• 3.2.3 抗体与抗原的匹配
• 3.2.4 记忆树节点的调整
• 3.2.4.1 节点排序
• 3.2.4.2 节点增加
• 3.2.4.3 节点的删减
• 3.3 网络故障的特征提取
• 3.4 本章小结
• 第四章 基于AIS的网络故障检测模型系统的设计
• 4.1 引言
• 4.2 基于AIS的网络故障诊断系统总体结构以及各功能模块.
• 4.2.1 系统初始化模块
• 4.2.2 检测器训练模块
• 4.2.3 记忆抗体模块
• 4.2.4 AIS故障诊断模块
• 4.3 基于AIS的网络故障检测原型系统
• 4.4 基于AIS的网络故障检测模型及性能测试
• 4.4.1 自体集的定义
• 4.4.2 匹配规则
• 4.4.3 检测器生成算法
• 4.5 否定选择算法实验
• 4.6 试验结果及性能分析
• 4.7 本章小结
• 第五章 基于智能Agent故障检测的应用现状
• 5.1 引言
• 5.2 基于Agent故障检测基本模型
• 5.3 基于Agent故障检测模型与基于AIS故障检测模型的比较
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 对本文总结
• 6.2 本文的特点
• 6.3 本文的局限性
• 6.4 展望
• 致谢
• 参考文献
• 作者在读取得的研究成果