论文题目: 多粒度免疫网络研究及应用
论文类型: 博士论文
论文专业: 计算机软件与理论
作者: 张剑
导师: 何华灿
关键词: 免疫计算,人工免疫系统,多粒度免疫选择算法,免疫智能体,多粒度免疫网络,入侵检测系统
文献来源: 西北工业大学
发表年度: 2005
论文摘要: 本课题的研究来源：国家自然科学基金项目“经验知识推理理论研究”(60273087)、北京市自然科学基金项目“不确定推理理论研究”(4032009)。 自然免疫系统作为一种并行、分布式、自适应信息处理系统，其优越性逐渐为人们所认识。近十多年来，模仿其机制设计人工免疫系统，己成为人工智能领域一个新的研究热点，并且已经在异常模式识别领域，如网络安全、故障诊断、模式分类、图象识别等，取得了一定的成果。 在目前已经提出的人工免疫系统模型中，异常检测器可以检测到的模式数量相同，即粒度相同，这样的检测器构成的集合为单粒度检测器集合，无法同时满足检测效率和精度两方面的要求。如果利用粒度不同的检测器构成多粒度检测器集合，能够扩展可检测到的异常模式类型，提高效率，降低漏检率。本文基于此思想进行研究，取得了以下的创新性成果： 1) 提出了多粒度免疫选择算法MGDGA 研究了人工免疫系统中单粒度最小有效检测器集合的大小和相关参数的确定方法，通过试验数据发现单粒度检测器集合不能同时提高检测精度和效率，达不到实际应用需求，因此提出了多粒度免疫选择算法MGDGA，并通过该算法生成多粒度检测器集合，在保证检测效率的同时提高了检测精度。 2) 设计并实现了基于多粒度检测器集合的免疫智能体IAg 采用智能体封装多粒度检测器，实现集合内检测器单元之间的协作，可以降低整个系统的复杂度。基于以上思想，设计并实现了基于MGDGA的免疫智能体IAg，建立了相应的通信机制和基于KQML和XML通信原语。 3) 提出并实现了具有自学习能力的多粒度免疫网络MGINet 提出了以免疫智能体IAg为节点的多粒度免疫网络MGINet，设计了节点权重修正和更新算法，使它具备了类似自然免疫系统的自学习和自组织能力。MGINet具有自我调整参数和结构的特点，克服了检测器集合只能检测固定模式的弊端，获得对未知模式的识别能力。 4) 设计和实现了具有自学习能力的入侵检测系统IAIDS 针对传统入侵检测系统需要不断人工更新规则库的问题，利用本文提出的多粒度免疫网络MGINet具有自学习能力的特点，实现了人工免疫入侵检测系统IAIDS。试验表明，在同一平台下，未经过自学习时，比传统单粒度检测器识别方法检测率提高了20.11％，漏检率降低53.57％，通过自学习，检测率提高
论文目录:
摘要
Abstract
目录
主要缩写表
第一章 绪论
1.1 引言
1.2 免疫计算的研究进展
1.2.1 免疫网络
1.2.2 反向选择算法
1.2.3 其他模型
1.2.4 应用现状
1.3 免疫计算面临的问题及研究意义
1.3.1 免疫计算面临的问题
1.3.2 本文的研究意义
1.4 论文的研究内容及组织结构
1.4.1 论文的研究内容
1.4.2 论文的组织结构
1.5 本章小结
第二章 生物免疫理论
2.1 引言
2.2 生物免疫系统的构成
2.2.1 免疫学基本概念
2.2.2 生物免疫系统的基本构成
2.3 生物免疫的主要过程
2.3.1 免疫应答
2.3.2 免疫耐受
2.3.3 免疫学习
2.3.4 免疫记忆
2.3.5 克隆选择
2.4 生物免疫系统对计算机科学的启发
2.4.1 免疫系统的信息处理特性
2.4.2 计算机科学对免疫原理的借鉴
2.5 本章小结
第三章 多粒度免疫选择算法设计
3.1 反向选择算法
3.1.1 反向选择算法原理
3.1.2 连续r位匹配算法
3.2 单粒度检测器集合
3.2.1 算法实现的环境及约束条件
3.2.2 连续r位匹配概率分析
3.2.3 单粒度最小有效检测集研究
3.2.4 系统参数选取方法的设计
3.2.5 生成算法复杂性分析
3.2.6 实验数据
3.3 多粒度检测器集合模型设计
3.3.1 单粒度检测器的缺点
3.3.2 多粒度检测器集合的提出
3.3.3 多粒度免疫选择算法设计
3.3.4 多粒度免疫选择算法的复杂性
3.3.5 多粒度检测器集合异常检测算法
3.4 实验及其结果分析
3.4.1 计算“洞”数量的方法
3.4.2 实验数据及其分析
3.5 本章小结
第四章 免疫智能体IAg构造
4.1 Agent和Multi—Agent技术
4.2 免疫智能体的构造
4.2.1 总体结构
4.2.2 识别层
4.2.3 高级动作层
4.3 系统通信机制设计
4.3.1 智能体通信方式
4.3.2 智能体通信语言
4.3.3 免疫智能体IAg通信原型的建立
4.3.4 免疫智能体IAg通信原语的设计
4.4 多免疫智能体的实现
4.4.1 整体结构设计
4.4.2 各单元UML描述
4.4.3 免疫智能体IAg的实现
4.5 本章小结
第五章 基于IAg的多粒度免疫网络
5.1 免疫网络学说
5.1.1 Jerne网络学说
5.1.2 aiNet
5.2 多粒度免疫网络MGINet设计
5.2.1 网络整体结构
5.2.2 节点间的刺激和抑制
5.3 多粒度免疫网络的学习
5.3.1 多粒度免疫网络进化的实现步骤
5.3.2 多粒度免疫网络的权重修正
5.3.3 多粒度免疫网络的种群更新
5.3.4 多粒度免疫网络的记忆能力
5.3.5 多粒度免疫网络的自学习
5.4 MGINet的稳定性研究
5.4.1 生物免疫网络的动力学特性
5.4.2 多粒度免疫网络的稳定性
5.4.3 多粒度免疫网络演化过程的收敛性
5.5 本章小结
第六章 基于多粒度免疫网络的入侵检测系统
6.1 入侵检测系统概述
6.1.1 入侵检测和入侵检测系统
6.1.2 入侵检测体系结构
6.1.3 传统入侵检测模型的局限性
6.2 入侵检测系统IAIDS的设计
6.2.1 IAIDS的开发、运行环境
6.2.2 IAIDS的总体结构
6.2.3 IAIDS的数据预处理模块
6.2.4 IAIDS的入侵检测模块
6.3 实验数据及结果
6.3.1 实验目的和数据
6.3.2 检测结果
6.3.3 结果分析
6.4 本章小结
第七章 总结与展望
7.1 本文所作的主要工作
7.2 需进一步研究的问题
附录 与本论文有关的免疫学概念
参考文献
个人简历、在学期间发表的论文
个人简历
在国际和国内学术刊物上发表的论文
参加的科研活动
致谢
发布时间: 2007-03-29
参考文献
- [1].人工免疫系统中智能优化及免疫网络算法理论与应用研究[D]. 张著洪.重庆大学2004
- [2].克隆免疫网络算法研究及应用[D]. 郭红波.太原理工大学2006
- [3].基于进化免疫系统理论的多机器人协作和机器人目标探索研究[D]. Dioubate Mamady I.中南大学2009
- [4].人工免疫网络研究及应用[D]. 刘丽.江南大学2008
相关论文
- [1].人工免疫系统模型、算法及其应用研究[D]. 孙勇智.浙江大学2005
- [2].人工免疫网络记忆分类器原理与应用研究[D]. 莫宏伟.哈尔滨工程大学2005
- [3].免疫算法及核聚类人工免疫网络应用研究[D]. 葛红.华南理工大学2003
- [4].克隆免疫网络算法研究及应用[D]. 郭红波.太原理工大学2006
- [5].免疫决策关键技术研究[D]. 陈光柱.四川大学2006
- [6].人工免疫系统的混沌机制及在网络入侵检测中的应用[D]. 张楠.四川大学2006
- [7].基于免疫遗传算法的入侵检测系统研究[D]. 刘刚.铁道部科学研究院2006
- [8].人工免疫算法及其应用研究[D]. 张泽明.中国科学技术大学2007
标签：免疫计算论文; 人工免疫系统论文; 多粒度免疫选择算法论文; 免疫智能体论文; 多粒度免疫网络论文; 入侵检测系统论文;