基于人工智能理論的網(wǎng)絡安全管理關(guān)鍵技術(shù)的研究.pdf

1、隨著網(wǎng)絡技術(shù)和信息科學的日益發(fā)展與廣泛深入，網(wǎng)絡安全管理的重要性日益顯現(xiàn)出來。其中，網(wǎng)絡異常檢測和和更為泛化的安全管理是網(wǎng)絡安全管理領(lǐng)域的重要研究課題。近年來，基于人工智能理論的網(wǎng)絡異常檢測方法和信任管理模型的研究引起了科學家、政府部門和工業(yè)界的密切關(guān)注。世界上許多國家和地區(qū)的政府和工業(yè)界都非常重視并積極投資這兩個方向的研究，其進展不僅將促進科學與技術(shù)的進步，而且會對各國的國力和國防產(chǎn)生一定的影響。 本文對異常檢測方法和信任管理

2、模型中的若干問題進行了深入研究，主要成果及創(chuàng)新體現(xiàn)在以下幾個方面： (1)針對目前異常檢測方法中存在的檢測率低、誤報率高以及k-均值算法對初始化敏感并易陷入局部極值的不足，提出一種基于克隆選擇算法的無監(jiān)督模糊聚類的異常入侵檢測方法。首先應用結(jié)合了進化搜索、全局搜索、隨機搜索和局部搜索特點的克隆算子快速得到全局最優(yōu)聚類，然后應用模糊檢測算法檢測網(wǎng)絡中的異常行為模式。該方法的優(yōu)點是不需要人工對訓練集進行分類，并且可以檢測出未知的攻擊

3、。通過KDD CUP99數(shù)據(jù)集的檢測試驗表明該方法不但能檢測出未知的攻擊，而且具有較高的檢測率和較低的誤報率。 (2)針對信息融合中沖突證據(jù)的組合問題和Dempster及其改進的證據(jù)組合規(guī)則的缺陷，提出兩種基于交補分擔準則的證據(jù)組合新方法。首先分析原始Dempster證據(jù)組合規(guī)則及其改進組合規(guī)則的優(yōu)勢和劣勢，然后利用均衡交補信度分配原則合成新的mass函數(shù)，最后通過數(shù)值試驗表明新組合方案不但保持了原始Dempster組合規(guī)則的優(yōu)

4、勢，而且彌補了其存在的Zadeh悖論、一票否決、魯棒性和公平性等不足。 (3)針對目前P2P系統(tǒng)不能有效處理惡意節(jié)點攻擊、基于推薦的信任模型在匯聚推薦信息時不能有效處理不確定性信息以及強行組合矛盾推薦信息引起的性能下降等問題，提出一種新的基于信度平均交補分擔證據(jù)組合規(guī)則的P2P信任管理模型。該模型考慮到節(jié)點的動態(tài)行為影響信任度計算的不確定性，通過推薦證據(jù)預處理和改進證據(jù)合成規(guī)則，使得融合來自不同證據(jù)源的不一致信息性能明顯增強。仿