基于免疫学习的网络入侵检测技术研究

论文摘要

网络入侵检测系统负责保护计算机网络系统不受来自内部的和外部的入侵行为的侵害,而人工免疫系统负责保护人体不受细菌、病毒等外来病菌的侵害。在这一点上,它与计算机网络系统中的入侵检测系统类似。尽管它们的构成差别很大,但是它们在各自系统中的功能确有有很强的相似性,并由此发展出一种提高计算机系统安全的新思路。越来越多的计算机安全研究人员致力于将人工免疫学的思想、工作机制应用到入侵检测中去。 本人通过对网络入侵检测和人工免疫的原理研究,建立了一个基于免疫学习的入侵检测子系统。该系统以人工免疫中的自我非我识别为基础,引入免疫学习机制以提高算法对入侵模式识别的效率和正确率。该系统由四个紧密联系的模块组成:基因库进化、克隆选择、否定选择和免疫记忆,四者形成一个有机的整体。同时,本人还分析了此免疫系统的关键技术,并完成相应的验证实验,实验表明该子系统具有较好的识别入侵模式的能力。

论文目录

• 1 绪论
• 1.1 入侵检测的发展历史
• 1.2 国内外研究现状
• 1.3 本文的主要工作
• 1.4 论文创新点
• 2 入侵检测系统的基本原理
• 2.1 入侵检测系统的概念
• 2.1.1 入侵检测的必要性
• 2.1.2 入侵、入侵检测与入侵检测系统
• 2.2 入侵检测系统的分类
• 2.2.1 按检测方法分类
• 2.2.2 按检测数据来源分类
• 2.2.3 按系统结构分类
• 2.3 入侵检测的分析技术
• 2.3.1 基于异常入侵分析技术
• 2.3.2 基于误用入侵的分析技术
• 2.4 入侵检测的发展趋势
• 3 人工免疫系统的基本原理
• 3.1 概述
• 3.2 人工免疫系统组成
• 3.2.1 人工免疫系统结构
• 3.2.2 免疫细胞
• 3.3 抗体
• 3.3.1 抗体结构
• 3.3.2 抗体作用
• 3.4 免疫机制
• 3.4.1 克隆选择
• 3.4.2 阴性选择
• 3.4.3 克隆扩增
• 4 基于免疫学习的网络入侵检测子系统
• 4.1 引言
• 4.2 基于人工免疫原理的网络入侵检测系统特性
• 4.3 AINIDS的结构
• 4.3.1 抗体基因库的生成
• 4.3.2 基因重组
• 4.3.3 克隆选择
• 4.3.4 抗体评估
• 4.3.5 否定选择
• 4.3.6 基因库进化
• 4.4 AINIDS中的关键技术
• 4.4.1 抗体规则集生成的技术
• 4.4.2 检测集产生的理论技术
• 4.4.3 检测中多模式匹配技术
• 4.4.4 克隆选择技术
• 4.4.5 检测集生成算法
• 5 免疫学习子系统的实验与分析
• 5.1 实验环境
• 5.2 自我与非我的定义
• 5.3 实验数据获取
• 5.4 实验的结果与分析
• 5.4.1 实验结果
• 5.4.2 结果分析
• 结论
• 致谢
• 参考文献
• 个人简介