隨著互聯(lián)網(wǎng)的不斷擴展和高速發(fā)展,網(wǎng)絡環(huán)境變得越來越復雜,存在的風險也越來越大。因此,網(wǎng)絡安全已經(jīng)成為一個非常重要的問題。網(wǎng)絡的缺陷可能會導致網(wǎng)絡攻擊,并影響用戶的隱私。為了保障網(wǎng)絡信息安全,網(wǎng)絡入侵檢測技術(shù)得到了廣泛重視。網(wǎng)絡入侵檢測技術(shù)是利用入侵者留下的痕跡信息,如試圖登錄的失敗記錄等,有效地從外部或內(nèi)部發(fā)現(xiàn)非法入侵。由于網(wǎng)絡環(huán)境日漸復雜,傳統(tǒng)的入侵檢測方法運行速度較慢并且對未知網(wǎng)絡攻擊的識別能力較差,其無法有效解決現(xiàn)有的網(wǎng)絡入侵問題。機器學習作為新一代的人工智能技術(shù),能夠針對大量的數(shù)據(jù)進行自主學習和訓練,有望彌補傳統(tǒng)方法的不足,為入侵檢測帶來新的發(fā)展和突破。另外,仿生算法作為一種模擬生物免疫系統(tǒng)防御行為的新興技術(shù),在計算機科學領域也受到了越來越多的關注。生物免疫是一種復雜的分布式信息處理學習系統(tǒng),有較強的自適應性、多樣性、學習、識別和記憶等特點。基于人工免疫系統(tǒng)的一些模型和仿生算法在實際應用中顯示了優(yōu)良的信息處理能力。人工免疫系統(tǒng)在入侵檢測方面取得了一些成功,但人工免疫理論研究還不夠成熟,部分提出的檢測模型并沒有使用實際的數(shù)據(jù)進行驗證。在研究網(wǎng)絡入侵檢測技術(shù)的過程中存在數(shù)據(jù)量大、檢測...

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【部分圖文】：

圖2–1基于機器學習入侵檢測模型

基于機器學習的入侵檢測系統(tǒng)模型如圖2-1所示,首先在目標網(wǎng)絡環(huán)境中采集數(shù)據(jù)集,對數(shù)據(jù)進行預處理,然后對數(shù)據(jù)集進行特征選擇,接著利用機器學習模塊中的學習器和分類器對數(shù)據(jù)進行分類,通過檢測系統(tǒng)識別分類結(jié)果,最終由決策系統(tǒng)決定是否發(fā)生入侵并對目標網(wǎng)絡或環(huán)境作出響應。機器學習方法能夠?qū)Υ?...

圖2–2人體免疫系統(tǒng)

人們根據(jù)生物免疫系統(tǒng)的特性提出了人工免疫系統(tǒng),并應用于計算機網(wǎng)絡安全領域。具有個體特異性(一種免疫細胞僅對特定的抗原起作用)和整體多樣性(免疫系統(tǒng)幾乎對所有抗原都能進行處理)的雙重特點,具備學習、記憶、自我調(diào)整、模式識別和特征提取的能力。免疫系統(tǒng)的一大特點就是用有限的資源有效地應....

圖2–3人工免疫算法流程

免疫學家提出了免疫識別模型(“自我”和“非我”)、克隆選擇原理、免疫網(wǎng)絡學說、危險理論和Cohen模型等來解釋免疫學現(xiàn)象。常見的人工免疫算法可分為三種類型:(1)模仿免疫系統(tǒng)抗體/抗原識別機制,結(jié)合抗體的產(chǎn)生過程抽象出的免疫算法;(2)基于免疫系統(tǒng)與其他計算機智能思想融合產(chǎn)生的新....

圖2–4免疫識別過程

否定選擇算法源于生物免疫系統(tǒng)的特異性,模仿生物免疫系統(tǒng)胸腺T細胞生成時的“否定選擇”過程。Forrest等人研究了一種檢測變數(shù)據(jù)變化的否定選擇算法,用于解決計算機安全領域的問題[25]。該算法使用免疫系統(tǒng)對異常變化進行監(jiān)測,系統(tǒng)通過分清“自我”和“非我”的信息檢測入侵的發(fā)生;隨機....

本文編號：4018834