基于模糊集的免疫危險理論模型研究.pdf_第1頁
已閱讀1頁,還剩50頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、當前,幾乎所有的入侵檢測系統(tǒng)采用的免疫模型都是基于傳統(tǒng)的“自我和非我”(SNS)理論。該理論認為機體免疫系統(tǒng)對自身的抗原不產(chǎn)生免疫應(yīng)答,而對外來的“非我”抗原產(chǎn)生免疫應(yīng)答并將其清除。為了克服SNS模型的不足,有學(xué)者提出危險理論(DT),這是一種全新的理論模式,這種理論模式里仍然需要“自我”和“非我”的區(qū)分,但是,危險信號(dangersignal)才是觸發(fā)免疫響應(yīng)的關(guān)鍵因素而不是SNS模型中要求的“非我”。
   在分析了現(xiàn)有的

2、免疫危險理論模型的基礎(chǔ)上,本文結(jié)合模糊集合的概念,針對危險域的不確定、異常檢測系統(tǒng)的不完善等問題,研究了一種新的基于模糊集合的免疫危險理論模型。此模型對非自體數(shù)據(jù)流分三次處理,異常的檢測并排除非危險的數(shù)據(jù)是在第一次異常處理模塊完成;對已確定是危險的數(shù)據(jù)進行分類在第二次異常處理模塊完成;危險的消除則是在第三次處理模塊完成。并且,針對危險域難以確定的問題,本文采用了兩種方法對危險進行了定義,分別是基于遺傳優(yōu)化的危險信號定義(DSDBGO)和

3、基于模糊集的危險信號定義(DSDBF)。前者在遺傳優(yōu)化和免疫遺傳算法的自適應(yīng)選取特征子集的基礎(chǔ)上對危險信號進行定義,后者則引入模糊集合和隸屬度的概念,在模糊集的基礎(chǔ)上對危險信號進行定義。
   本文基于模糊集的免疫危險理論模型在基于模糊集的危險信號(DSDBF)定義的基礎(chǔ)上,研究和設(shè)計了危險檢測算法(DDA)和危險消除算法(DEA),并經(jīng)過實驗證明,本文設(shè)計的危險檢測算法(DDA)優(yōu)于其它入侵檢測模型中的異常檢測算法,提高了系統(tǒng)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論