免疫入侵檢測器生成算法和分析器模型研究.pdf

1、隨著信息技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)架構(gòu)變得非常復(fù)雜、黑客的攻擊手段更是層出不窮，在這個變幻莫測的網(wǎng)絡(luò)環(huán)境中傳統(tǒng)的入侵檢測方法顯得越發(fā)無力。人工免疫學(xué)理論是由生物免疫中總結(jié)出的一系列智能化的理論。免疫系統(tǒng)與生俱來的分布性、魯棒性以及自組織性等優(yōu)秀特性，使得基于免疫的入侵檢測技術(shù)成為當(dāng)前網(wǎng)絡(luò)安全研究領(lǐng)域的一個熱點問題。
　　受生物免疫系統(tǒng)啟發(fā)，參考抗體提升自身性能的原理，以提升實值檢測器的性能為目標(biāo)，提出基于PCA的實值否定選擇算法。該算法

2、通過PCA提取目標(biāo)對象的主成分，構(gòu)成主成分空間，來提升檢測器的識別能力；利用特有的匹配規(guī)則在主成分空間中訓(xùn)練檢測器，進(jìn)一步提升檢測器的性能。將該算法在KDD CUP99數(shù)據(jù)集上的測試結(jié)果與傳統(tǒng)的實值否定選擇算法作對比，證明該算法對于實值否定選擇算法在高維形態(tài)空間中的不足有很好的彌補，較為明顯地提升了檢測器在高維形態(tài)空間中的檢測性能。
　　針對目前的免疫入侵檢測技術(shù)在未知入侵檢測方面的缺陷，以及檢測器更新不及時等問題，提出了一種新型