计算机免疫中“非我”分类的研究

论文摘要

计算机免疫是参照生物免疫学原理提出的一种计算机安全解决方案,在一定程度上弥补了传统安全技术的不足。当前对它的研究主要集中在免疫检测方面,对免疫应答却很少涉及。通用计算机免疫系统模型GECISM(GEneral Computer Immune System Model)则同时具有免疫检测、免疫应答和免疫调整功能,其智能代理类TH Agent 对“非我”进行分类,是衔接免疫检测与免疫应答的关键模块。本文在介绍计算机免疫原理的基础上设计了类TH Agent 的总体模型,并在以下方面对“非我”分类进行了研究:通过对3 种“非我”分类数据源的分析比较,确定以系统调用序列为统一数据源;基于数据挖掘算法给出了一种基于规则重组的“非我”分类特征抽取算法NFERR,并通过实验证明它的有效性;为实现免疫调整引入了多级排异的安全配置策略。最后应用上述研究成果在Linux 环境下实现了类TH Agent 的实验系统。

论文目录

• 第1章 绪论
• 1.1 引言
• 1.2 研究背景
• 1.3 研究现状
• 1.3.1 计算机免疫研究现状
• 1.3.2 “非我”分类现状
• 1.4 研究目标
• 1.5 论文结构
• 第2章 相关背景知识
• 2.1 生物免疫系统
• 2.2 计算机免疫系统
• 2.2.1 人工免疫系统
• 2.2.2 计算机系统的安全问题
• 2.2.3 计算机免疫系统
• 2.3 计算机免疫系统模型GECISM
• 2.3.1 GECISM 总体结构
• 2.3.2 GECISM 的形式定义
• 2.3.3 GECISM 与生物免疫系统的功能部件对比
• 2.4 小结
• 第3章 类TH AGENT 的总体设计
• 3.1 类TH AGENT 的功能需求
• 3.1.1 功能描述
• 3.1.2 功能逻辑关系
• 3.2 类TH AGENT 的设计
• 3.2.1 总体设计
• 3.2.2 功能模块说明
• 3.3 关键问题描述
• 3.4 小结
• 第4章 “非我”分类及算法研究
• 4.1 GECISM 中的“非我”分类
• 4.2 “非我”分类数据源
• 4.2.1 数据源的形式
• 4.2.1 数据源分析方法
• 4.3 “非我”分类特征抽取算法NFERR
• 4.3.1 NFERR 的算法描述
• 4.3.2 实验及结果分析
• 4.3.3 NFERR 与C4.5 算法在“非我”特征序列抽取中的比较
• 4.4 小结
• 第5章 多级排异的免疫调整策略
• 5.1 GECISM 中的免疫调整策略
• 5.1.1 类TH Agent 的免疫调整策略
• 5.1.2 排异的相关定义
• 5.1.3 排异强度
• 5.2 排异等级转换
• 5.2.1 转换表达式
• 5.2.2 环境参数
• 5.2.3 转换函数
• 5.3 相关实验
• 5.3.1 实验模型构建
• 5.3.1 实验结果及分析
• 5.4 多级排异的特点
• 5.5 小结
• 第6章 类TH AGENT 的实现
• 6.1 构建“非我”特征&消除方法库
• 6.2 应用多级排异免疫调整策略
• 6.3 分类器
• 6.5 其他模块
• 6.6 特点分析
• 6.7 小结
• 第7章 结束语
• 参考文献
• 攻读硕士学位期间科研工作情况
• 致谢