本文關(guān)鍵詞：基于人工免疫的混合型入侵檢測(cè)研究

  更多相關(guān)文章： 入侵檢測(cè) 克隆選擇 人工免疫 特征選擇 自適應(yīng)

【摘要】：隨著網(wǎng)絡(luò)的發(fā)展,它使得網(wǎng)絡(luò)資源變得豐富的同時(shí)也為互聯(lián)網(wǎng)自身的安全帶來(lái)了隱患。網(wǎng)絡(luò)入侵行為隱秘性強(qiáng),不受時(shí)間與地域上的限制,所以其經(jīng)常發(fā)生在正常網(wǎng)絡(luò)的行為活動(dòng)中。主要表現(xiàn)為：入侵者使用程序病毒對(duì)系統(tǒng)進(jìn)行入侵；非法用戶使用未經(jīng)授權(quán)的賬戶登錄并進(jìn)行惡意修改系統(tǒng)文件；合法/非法用戶惡意竊取其權(quán)限以外的相關(guān)文件；非法/合法用戶惡意泄露敏感文件；因此網(wǎng)絡(luò)安全問(wèn)題一直備受關(guān)注。此外,從網(wǎng)絡(luò)中能夠獲取到的數(shù)據(jù)量也越來(lái)越大,數(shù)據(jù)的特征維度也越來(lái)越多。在入侵檢測(cè)中,過(guò)多冗余和不相關(guān)特征的存在不僅會(huì)影響檢測(cè)的準(zhǔn)確度,而且也會(huì)增加檢測(cè)的時(shí)間,從而使得檢測(cè)的整體效果大大降低。所謂的“數(shù)據(jù)富有,信息冗余”和“維數(shù)災(zāi)難”都是信息量大但有效信息缺乏的體現(xiàn)。特征選擇算法通過(guò)分析去除無(wú)用的、冗余的特征來(lái)達(dá)到降維的目的,同時(shí)在檢測(cè)時(shí)不但能明顯地降低檢測(cè)時(shí)間還能提高檢測(cè)的準(zhǔn)確度�；诖�,特征選擇算法也成為備受關(guān)注的熱點(diǎn)。針對(duì)現(xiàn)有入侵檢測(cè)技術(shù)與特征提取技術(shù)存在的不足,本文分別做了如下工作：(1)描述了入侵檢測(cè)算法的概念,介紹了AIS應(yīng)用于入侵檢測(cè)的原理與方法,針對(duì)經(jīng)典的克隆選擇算法具有對(duì)入侵行為檢測(cè)的準(zhǔn)確率低、誤報(bào)率高的缺點(diǎn),本文提出一種基于全局選擇的改進(jìn)的克隆選擇算法,該改進(jìn)算法通過(guò)更全面的選擇最優(yōu)個(gè)體并進(jìn)行克隆復(fù)制來(lái)對(duì)入侵行為進(jìn)行檢測(cè)。根據(jù)實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證,改進(jìn)的克隆選擇算法在入侵檢測(cè)中,檢測(cè)的準(zhǔn)確率高達(dá)99.5%,誤報(bào)率低至0.1%,且在與BP神經(jīng)網(wǎng)絡(luò)檢測(cè)的對(duì)比實(shí)驗(yàn)中,檢測(cè)的準(zhǔn)確率和誤報(bào)率都優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。(2)闡述了特征選擇算法的概念與定義,并根據(jù)現(xiàn)有特征選擇算法的檢測(cè)準(zhǔn)確率低、檢測(cè)時(shí)間長(zhǎng)的缺點(diǎn),提出一種面向高效入侵檢測(cè)的改進(jìn)的特征選擇算法,該算法通過(guò)結(jié)合相關(guān)性算法與冗余度算法來(lái)進(jìn)行最優(yōu)的特征子集的選擇。實(shí)驗(yàn)結(jié)果表明該算法在不同分類器上與傳統(tǒng)的特征選擇方法相當(dāng)甚至更好的性能。(3)提出結(jié)合改進(jìn)的克隆選擇算法來(lái)對(duì)特征選擇算法提取的特征子集進(jìn)行檢測(cè),這樣不僅將實(shí)驗(yàn)使用的數(shù)據(jù)集進(jìn)行降維,達(dá)到減少建模時(shí)間的效果,同時(shí),結(jié)合改進(jìn)的克隆選擇算法,驗(yàn)證了實(shí)驗(yàn)的有效性。
【關(guān)鍵詞】：入侵檢測(cè) 克隆選擇 人工免疫 特征選擇 自適應(yīng)
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP393.08
【目錄】：

• 摘要5-6
• ABSTRACT6-8
• 第一章 緒論8-14
• 1.1 論文研究背景及意義8-9
• 1.2 研究現(xiàn)狀9-13
• 1.2.1 入侵檢測(cè)系統(tǒng)的研究現(xiàn)狀9-10
• 1.2.2 人工免疫系統(tǒng)的研究現(xiàn)狀10-11
• 1.2.3 特征選擇算法的研究現(xiàn)狀11-13
• 1.3 論文組織架構(gòu)13-14
• 第二章 入侵檢測(cè)的相關(guān)問(wèn)題14-25
• 2.1 入侵檢測(cè)概念14-17
• 2.2 入侵檢測(cè)方法17-22
• 2.2.1 入侵檢測(cè)方法的分類17-18
• 2.2.2 近年的入侵檢測(cè)方法18-22
• 2.3 入侵檢測(cè)系統(tǒng)的主要評(píng)價(jià)標(biāo)準(zhǔn)22-23
• 2.4 入侵檢測(cè)面臨的問(wèn)題23-24
• 2.5 本章小結(jié)24-25
• 第三章 改進(jìn)的AIS克隆選擇算法25-44
• 3.1 人工免疫系統(tǒng)25-29
• 3.1.1 人工免疫系統(tǒng)25
• 3.1.2 人工免疫系統(tǒng)應(yīng)用于入侵檢測(cè)的原理25-27
• 3.1.3 人工免疫系統(tǒng)在入侵檢測(cè)中的優(yōu)勢(shì)27
• 3.1.4 人工免疫系統(tǒng)應(yīng)用于入侵檢測(cè)中的算法27-29
• 3.2 BP神經(jīng)網(wǎng)絡(luò)29-32
• 3.2.1 BP神經(jīng)網(wǎng)絡(luò)的概念29-31
• 3.2.2 BP神經(jīng)網(wǎng)絡(luò)與人工免疫系統(tǒng)的區(qū)別31-32
• 3.3 克隆選擇算法32-33
• 3.4 改進(jìn)的克隆選擇算法33-37
• 3.4.1 特征提取33-34
• 3.4.2 改進(jìn)的克隆選擇算法34-37
• 3.5 實(shí)驗(yàn)分析37-43
• 3.5.1 選擇的數(shù)據(jù)集37-41
• 3.5.2 仿真試驗(yàn)與分析41-42
• 3.5.3 人工免疫與神經(jīng)網(wǎng)絡(luò)的仿真試驗(yàn)比較42-43
• 3.6 本章小結(jié)43-44
• 第四章 改進(jìn)的混合型特征選擇算法44-59
• 4.1 特征選擇算法面臨的問(wèn)題44
• 4.2 特征選擇算法44-47
• 4.2.1 特征選擇的定義44-45
• 4.2.2 特征選擇常用的方法45-47
• 4.3 本章的特征選擇算法47-49
• 4.4 實(shí)驗(yàn)數(shù)據(jù)集49-55
• 4.4.1 數(shù)據(jù)集的描述49-54
• 4.4.2 數(shù)據(jù)集預(yù)處理54-55
• 4.5 實(shí)驗(yàn)結(jié)果的比較與分析55-58
• 4.5.1 實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)55
• 4.5.2 特征選擇的結(jié)果55-56
• 4.5.3 實(shí)驗(yàn)的對(duì)比結(jié)果及分析56-58
• 4.6 本章結(jié)論58-59
• 第五章 混合型特征選擇結(jié)合改進(jìn)的AIS克隆選擇算法在入侵檢測(cè)中的應(yīng)用59-65
• 5.1 混合型特征選擇算法59-64
• 5.1.1 實(shí)驗(yàn)數(shù)據(jù)59
• 5.1.2 仿真實(shí)驗(yàn)對(duì)比分析59-64
• 5.2 本章總結(jié)64-65
• 第六章 總結(jié)與展望65-67
• 6.1 工作總結(jié)65-66
• 6.2 展望66-67
• 致謝67-68
• 參考文獻(xiàn)68-72
• 作者簡(jiǎn)介72

，

本文編號(hào)：1011483