發(fā)布時間：2017-04-26 19:19

  本文關(guān)鍵詞：基于DCA的免疫入侵檢測技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：當(dāng)代世界，伴隨著各種網(wǎng)絡(luò)技術(shù)發(fā)展迅速，網(wǎng)絡(luò)安全問題也越來越突出，入侵檢測的難度也隨之增大。已有的傳統(tǒng)入侵檢測技術(shù)如防火墻，由于其對抗入侵的簡單性和對復(fù)雜網(wǎng)絡(luò)攻擊的無耐性，正在逐漸淡出人們的視野�；诿庖叩娜肭謾z測是一種新的形式，在自適應(yīng)、自組織和分布性等特性方面有著獨特的優(yōu)勢，彌補了傳統(tǒng)檢測技術(shù)的缺陷。因此，現(xiàn)代的許多專家學(xué)者逐漸趨于關(guān)注基于人工免疫的入侵檢測技術(shù)。 啟發(fā)于生物免疫系統(tǒng)的人工免疫系統(tǒng)，通過對生物免疫系統(tǒng)進行模擬仿真，已經(jīng)成功地應(yīng)用到了很多方面。免疫入侵檢測系統(tǒng)是基于傳統(tǒng)的人工免疫理論設(shè)計的，還有一些復(fù)雜的問題無法解釋，隨著生物學(xué)研究的深入，全新的免疫學(xué)理論-危險理論應(yīng)運而生，人工免疫系統(tǒng)也因此分為先天性免疫與自適應(yīng)免疫。研究發(fā)現(xiàn)在免疫系統(tǒng)中有一種樹突狀細(xì)胞，其較強的抗原提呈能力收到了關(guān)注，并由此提出樹突狀細(xì)胞算法（Dendritic Cell Algorithm，DCA），本文在此基礎(chǔ)上作了一些研究工作。 首先，深入地研究了樹突狀細(xì)胞算法的原理及流程，針對原算法中，對抗原進行分類的實現(xiàn)上，存在對不確定成分的分類模糊的問題，之后對分類方法進行了細(xì)致的分析研究，最終發(fā)現(xiàn)證據(jù)理論是解決不確定分類的有效方法，提出了基于證據(jù)理論的樹突狀細(xì)胞算法。選擇將證據(jù)理論加入到算法中，理論分析可知改進后的樹突狀細(xì)胞算法具有很高的實時異常檢測能力。 其次，本文提出了一種混合的新型入侵檢測模型。在該模型中，，對原有的樹突狀細(xì)胞算法進行了改進，明確了各個步驟方法的用途，使系統(tǒng)達到“局部”最優(yōu)，進而達到整體最優(yōu)。模型介紹了網(wǎng)絡(luò)入侵檢測模型的基本原理，并對其各個模塊的實施細(xì)節(jié)做了闡明，最后通過數(shù)據(jù)集kddcup99使用DCA、SVM和改進的樹突狀細(xì)胞算法對模型做了實驗測試，實驗結(jié)果表明，誤報率得到了改善，檢測率和檢測精度也相應(yīng)的提升了。
【關(guān)鍵詞】：入侵檢測 人工免疫 樹突狀細(xì)胞算法 證據(jù)理論
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.08
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 課題研究的背景10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 國外研究現(xiàn)狀11-13
• 1.2.2 國內(nèi)研究現(xiàn)狀13-14
• 1.3 課題研究的主要內(nèi)容14-16
• 1.3.1 課題來源14
• 1.3.2 課題內(nèi)容14
• 1.3.3 論文的組織結(jié)構(gòu)14-16
• 第2章 生物免疫基本理論16-27
• 2.1 引言16
• 2.2 生物免疫系統(tǒng)16-19
• 2.2.1 免疫系統(tǒng)概述16-18
• 2.2.2 免疫機制18-19
• 2.3 免疫系統(tǒng)的特點19
• 2.4 人工免疫系統(tǒng)19-23
• 2.4.1 人工免疫概述19-20
• 2.4.2 免疫算法20-23
• 2.5 免疫危險理論23-24
• 2.6 生物免疫與入侵檢測的相似性24-26
• 2.7 本章小結(jié)26-27
• 第3章 基于證據(jù)理論的樹突狀細(xì)胞算法研究27-37
• 3.1 引言27
• 3.2 樹突狀細(xì)胞介紹27-29
• 3.3 DCA 分析29-31
• 3.4 基于證據(jù)理論的樹突狀細(xì)胞算法31-36
• 3.4.1 證據(jù)理論的基本原理31-33
• 3.4.2 構(gòu)造 mass 函數(shù)33-34
• 3.4.3 權(quán)重的確定34-36
• 3.5 算法分析36
• 3.6 本章小結(jié)36-37
• 第4章 基于 DCA 的混合入侵檢測模型37-44
• 4.1 支持向量機 SVM 介紹37-38
• 4.2 綜合分析38-39
• 4.3 混合入侵檢測系統(tǒng)模型設(shè)計39-43
• 4.4 本章小結(jié)43-44
• 第5章 實驗仿真與分析44-51
• 5.1 Kddcup99 數(shù)據(jù)集44-46
• 5.2 數(shù)據(jù)集預(yù)處理46-47
• 5.3 實驗結(jié)果47-50
• 5.4 本章總結(jié)50-51
• 結(jié)論51-52
• 參考文獻52-57
• 攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文57-58
• 致謝58

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 袁嵩;陳啟卷;;用于實時異常檢測的樹突狀細(xì)胞算法[J];計算機工程與設(shè)計;2013年01期

2 張瑞;高紅;張立偉;;一類新的支持向量機核函數(shù)——埃爾米特核函數(shù)[J];山西大學(xué)學(xué)報(自然科學(xué)版);2012年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 袁嵩;樹突狀細(xì)胞算法研究及在監(jiān)控系統(tǒng)入侵檢測中的應(yīng)用[D];武漢大學(xué);2013年

  本文關(guān)鍵詞：基于DCA的免疫入侵檢測技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：329081