本文選題：免疫入侵檢測(cè) + 多目標(biāo)優(yōu)化�。� 參考：《哈爾濱理工大學(xué)》2017年碩士論文

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)逐步發(fā)展,網(wǎng)絡(luò)安全問(wèn)題日益嚴(yán)峻,圍繞著反編譯技術(shù),逆向工程以及嵌入式驅(qū)動(dòng)理論的各種病毒,木馬以及流氓軟件給網(wǎng)絡(luò)用戶的個(gè)人隱私,財(cái)產(chǎn)安全都帶來(lái)的嚴(yán)重的威脅。為解決網(wǎng)絡(luò)環(huán)境的安全問(wèn)題,各種理論的入侵檢測(cè)技術(shù)應(yīng)運(yùn)而生。鑒于生物免疫系統(tǒng)自身極高的魯棒性和自適應(yīng)性,以及良好的自我修復(fù)性,基于人工免疫理論的入侵檢測(cè)技術(shù)逐漸成為網(wǎng)絡(luò)安全領(lǐng)域的研究熱點(diǎn)。免疫入侵檢測(cè)技術(shù)屬于誤用檢測(cè)范疇。該技術(shù)將檢測(cè)目標(biāo)分為自體與非自體兩種類型,分別利用否定選擇算法和克隆選擇算法生成和訓(xùn)練成熟檢測(cè)器。通過(guò)成熟檢測(cè)器,實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)行為的識(shí)別,同時(shí)根據(jù)實(shí)時(shí)正常的數(shù)據(jù)流量生成新的成熟檢測(cè)器,保證系統(tǒng)的動(dòng)態(tài)自適應(yīng)性。通過(guò)模擬生物進(jìn)化的克隆選擇算法對(duì)成熟檢測(cè)器實(shí)施進(jìn)化,以不斷提高檢測(cè)器的檢測(cè)能力,提高系統(tǒng)的檢測(cè)率。所以免疫入侵檢測(cè)系統(tǒng)不僅能對(duì)網(wǎng)絡(luò)行為進(jìn)行識(shí)別,更具備了良好的自學(xué)習(xí),自更新能力。由于通過(guò)親和力累加值策略實(shí)現(xiàn)樣本選擇,造成了樣本檢測(cè)范圍的高重疊,最終影響迭代效率。本文提出了一種結(jié)合多目標(biāo)優(yōu)化理論的克隆選擇算法。該算法將父代,子代與抗原的檢測(cè)結(jié)果記錄成標(biāo)記向量。通過(guò)計(jì)算帕累托非支配向量,映射出進(jìn)入下一代的成熟檢測(cè)器。同時(shí)對(duì)受支配檢測(cè)器進(jìn)行高頻變異和自體耐受,并加入新的成熟檢測(cè)以保證固定的種群規(guī)模。實(shí)驗(yàn)表明,該算法有效地改善了種群進(jìn)化的效率,增加了種群的多樣性,提高了系統(tǒng)的檢測(cè)率。鑒于多目標(biāo)規(guī)劃理論對(duì)于多分類問(wèn)題的良好效果,本文結(jié)合支持向量機(jī)的理論基礎(chǔ),提出了一種多目標(biāo)規(guī)劃異常檢測(cè)算法。該算法對(duì)不同類別的訓(xùn)練樣本,直接規(guī)劃了多個(gè)分類空間,將抗原分類問(wèn)題轉(zhuǎn)化為求解多元函數(shù)條件極值問(wèn)題。經(jīng)拉格朗日乘數(shù)法迭代計(jì)算,得到訓(xùn)練集的得分向量。根據(jù)該向量與檢測(cè)樣本內(nèi)積的所屬范圍,判定樣本的類型。實(shí)驗(yàn)表明,該方法解決了支持向量中單個(gè)超維面對(duì)于多分類問(wèn)題的限制,具有更少的訓(xùn)練耗時(shí)。
[Abstract]:With the gradual development of Internet technology, the network security problem is becoming increasingly serious, around the decompilation technology, reverse engineering and embedded driving theory of various viruses, Trojans and rogue software to give network users personal privacy, A serious threat to property security. In order to solve the security problems in the network environment, various theoretical intrusion detection techniques emerge as the times require. In view of the high robustness, self-adaptability and good self-repair of biological immune system, intrusion detection technology based on artificial immune theory has gradually become the research hotspot in the field of network security. Immune intrusion detection belongs to the category of misuse detection. The detection target is divided into two types: autologous and non-autologous. The negative selection algorithm and the clonal selection algorithm are used to generate and train the mature detector respectively. Through the mature detector, the network behavior is recognized, and a new mature detector is generated according to the real time normal data flow, which ensures the dynamic adaptability of the system. In order to improve the detection ability of the detector and improve the detection rate of the system, the clone selection algorithm which simulates biological evolution evolves the mature detector. So the immune intrusion detection system not only can identify the network behavior, but also has the ability of self-learning and self-updating. Because the sample selection is realized by the affinity accumulation strategy, the high overlap of sample detection range is caused, and the iterative efficiency is ultimately affected. In this paper, a clone selection algorithm based on multi-objective optimization theory is proposed. The algorithm records the detection results of parent, offspring and antigen as marker vectors. By calculating the Pareto non-dominant vector, a mature detector is mapped into the next generation. At the same time, high frequency variation and autologous tolerance of the dominant detector were carried out, and a new mature detection was added to ensure the fixed population size. Experiments show that the algorithm can effectively improve the efficiency of population evolution, increase population diversity and improve the detection rate of the system. In view of the good effect of multi-objective programming theory on multi-classification problems, a multi-objective programming anomaly detection algorithm is proposed based on the support vector machine theory. In this algorithm, several classification spaces are directly planned for different types of training samples, and the antigen classification problem is transformed into solving the conditional extremum problem of multivariate functions. The score vector of the training set is obtained by iterative calculation by Lagrange multiplier method. According to the range of the vector and the inner product of the detected sample, the type of the sample is determined. The experimental results show that this method solves the limitation of single super-dimension in support vector facing multi-classification problem and has less training time.
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP393.08

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭士芹;王秀峰;;改進(jìn)的克隆選擇算法在模糊規(guī)則發(fā)現(xiàn)中的應(yīng)用[J];計(jì)算機(jī)工程;2007年10期

2 陳文鑫;陳軍敢;楊亞萍;;基于親和力閾值的靜態(tài)克隆選擇算法[J];計(jì)算機(jī)工程;2008年10期

3 方賢進(jìn);李龍澍;;一般克隆選擇算法的收斂性證明[J];計(jì)算機(jī)應(yīng)用研究;2010年05期

4 馬鑫;李琴;;克隆選擇算法的研究與實(shí)現(xiàn)[J];改革與開放;2010年12期

5 楊玉;戴紅偉;;基于鄰域抗體交叉的克隆選擇算法[J];淮海工學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年03期

6 方賢進(jìn);劉凌冰;慕學(xué)海;王興旺;;一般克隆選擇算法的概率性收斂研究[J];計(jì)算機(jī)應(yīng)用研究;2011年01期

7 鄧雪峰;唐俊;;一種新型的克隆選擇算法[J];計(jì)算機(jī)應(yīng)用研究;2011年01期

8 常志英;韓莉;姜大偉;;改進(jìn)的克隆選擇算法及其應(yīng)用[J];計(jì)算機(jī)工程;2011年01期

9 洪露;紀(jì)志成;龔成龍;;一類克隆選擇算法的收斂性方法研究[J];信息與控制;2011年02期

10 洪露;紀(jì)志成;龔成龍;;混沌克隆選擇算法及其收斂速度分析[J];系統(tǒng)仿真學(xué)報(bào);2011年10期

相關(guān)會(huì)議論文 前3條

1 洪露;;一種改進(jìn)克隆選擇算法的收斂速度方法研究[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)B卷[C];2011年

2 張旭;郭晨;孫建波;;自適應(yīng)多模態(tài)克隆選擇算法[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

3 周穎;裘之亮;趙紅玉;張萍;;克隆選擇算法在多峰值函數(shù)優(yōu)化中的應(yīng)用[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)博士學(xué)位論文 前5條

1 徐立芳;免疫克隆選擇算法應(yīng)用研究[D];哈爾濱工程大學(xué);2008年

2 何廣杰;克隆選擇算法及其在地基工程若干問(wèn)題中的應(yīng)用[D];西南交通大學(xué);2007年

3 石剛;改進(jìn)免疫克隆選擇算法的研究與應(yīng)用[D];東北大學(xué);2011年

4 許斌;人工免疫機(jī)制若干問(wèn)題的研究[D];南京航空航天大學(xué);2011年

5 王煉紅;人工免疫優(yōu)化與分類算法及其應(yīng)用研究[D];湖南大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 馬盧玉;基于人工免疫的混合型入侵檢測(cè)研究[D];南京信息工程大學(xué);2016年

2 范學(xué)林;多目標(biāo)免疫入侵檢測(cè)策略研究[D];哈爾濱理工大學(xué);2017年

3 彭偉雄;克隆選擇算法及其在高維全局函數(shù)優(yōu)化中的應(yīng)用[D];中南大學(xué);2010年

4 劉朝華;免疫克隆選擇算法研究及其應(yīng)用[D];湖南大學(xué);2010年

5 廖鵬;粒子群加速尋優(yōu)的克隆選擇算法在配電網(wǎng)優(yōu)化中的應(yīng)用[D];浙江大學(xué);2007年

6 楊翼嘉;差分變異克隆選擇算法及其應(yīng)用[D];中南大學(xué);2012年

7 陽(yáng)文學(xué);克隆選擇算法及其在數(shù)據(jù)挖掘分類中的應(yīng)用研究[D];重慶師范大學(xué);2011年

8 趙芳芳;改進(jìn)的克隆選擇算法及其在控制器參數(shù)整定中的應(yīng)用[D];湖南大學(xué);2013年

9 李恒杰;多目標(biāo)克隆選擇算法及其應(yīng)用研究[D];蘭州理工大學(xué);2006年

10 王海峰;面向多模態(tài)函數(shù)優(yōu)化的雜合克隆選擇算法研究[D];湖南大學(xué);2011年

，

本文編號(hào)：1775891