免疫入侵檢測自體與檢測器動態(tài)自適應(yīng)機制研究.pdf

1、隨著信息產(chǎn)業(yè)的飛速發(fā)展，網(wǎng)絡(luò)與信息安全存在的問題也越來越多。作為一種積極主動的網(wǎng)絡(luò)安全技術(shù)，入侵檢測的研究越來越受到廣大學(xué)者的重視。而生物免疫系統(tǒng)所具有的自適應(yīng)性、魯棒性和自組織性等優(yōu)良特性，可以很好地應(yīng)用于入侵檢測技術(shù)?；谏锩庖邫C制的入侵檢測技術(shù)已經(jīng)成為當(dāng)前的一個研究熱點。其中的自體集合和檢測器集合作為系統(tǒng)檢測模塊的重要組成部分，對于系統(tǒng)的檢測性能有著極其重要的作用，需要深入研究。本文就以自體集合和檢測器集合為研究對象，圍繞自體篩

2、選與更新、檢測器集合優(yōu)化、自體與檢測器集合學(xué)習(xí)機制等問題展開研究。
　　 作為訓(xùn)練生成檢測器的重要基礎(chǔ)，自體集合本身存在許多不足，特別是在實值空間，比如多分區(qū)、邊界交叉、自體樣本重疊等，他們會造成邊界黑洞、生成代價過高等檢測器問題。為了解決以上問題，借鑒模糊聚類方法和概率統(tǒng)計中的高斯理論，提出一種自體集合優(yōu)化算法，通過計算自體樣本間的親和力，用模糊聚類算法分化自體集合，并在各個分區(qū)內(nèi)利用高斯理論處理噪聲和高重疊。通過實驗驗證，該

3、算法可以有效地解決自體集合存在的問題，從而提高生成檢測器的效率。
　　 自體集合是由正常數(shù)據(jù)的經(jīng)驗值構(gòu)成的。由于環(huán)境在隨時間變化而變化，過去的正常數(shù)據(jù)可能已經(jīng)不能反映當(dāng)前的真實情況，從而影響檢測器的訓(xùn)練生成效果。針對這一問題，借鑒免疫監(jiān)督機制、免疫反饋原理等，提出一種自體集合實時更新算法，該算法包含多個處理模塊、輔助集合來處理不同情況下的自體操作及協(xié)同實時更新，從而有效地保證自體集合實時有效地反映真實環(huán)境。通過實驗驗證，算法可以

4、很好地實現(xiàn)預(yù)期的目標(biāo)，為檢測器的訓(xùn)練和生成打下一個堅實的基礎(chǔ)。
　　 以基于免疫機制的入侵檢測中的檢測器為研究對象，針對其在實值空間下的黑洞、檢測器重疊等問題，借鑒生物免疫系統(tǒng)調(diào)節(jié)機制，提出一種檢測器集合優(yōu)化算法，通過比較檢測器間的親和力，判斷檢測器的優(yōu)良程度，并利用子代替代效果較差的個體來改善檢測器的分布性能。通過實驗測試，經(jīng)優(yōu)化后的檢測器集合對非自體空間的覆蓋率有了顯著提高，有效地提高了檢測器的檢測性能。
　　 檢測

5、器集合的動態(tài)更新對系統(tǒng)的檢測性能起著關(guān)鍵作用。受到生物免疫系統(tǒng)中自體與免疫細胞隨環(huán)境和時間不斷變化更新的啟發(fā)，借鑒生物工程領(lǐng)域的疫苗技術(shù)，提出一種檢測器集合自適應(yīng)學(xué)習(xí)算法，設(shè)計多個檢測器學(xué)習(xí)模塊，從而使得檢測器可以隨環(huán)境的變化而不斷地學(xué)習(xí)新知識，實現(xiàn)了進化過程的自適應(yīng)。通過實驗證實，該算法可以有效地使檢測器集合時刻保持對環(huán)境的認(rèn)識，保持良好的檢測性能。
　　 本文主要研究基于免疫機制的入侵檢測系統(tǒng)中的自體集合與檢測器集合這兩個系