軟件是否可信主要是指軟件產(chǎn)生的行為是否可信,而判斷軟件行為是否可信可以在軟件運(yùn)行時(shí)對(duì)其產(chǎn)生的行為信息和結(jié)果進(jìn)行軟件行為檢測(cè),并根據(jù)檢測(cè)結(jié)果主動(dòng)做出相應(yīng)措施,積極防御可能出現(xiàn)的惡意行為。到目前為止,一些研究者針對(duì)軟件行為異常檢測(cè)展開研究,并提出了很多解決方法,但存在異常檢測(cè)精度不高,適用范圍窄等問題。隔離森林算法（Isolation Forest）作為一種異常檢測(cè)算法,利用異常數(shù)據(jù)少且與眾不同的特點(diǎn),通過對(duì)數(shù)據(jù)對(duì)象進(jìn)行劃分并判斷其路徑長(zhǎng)度,使得異常數(shù)據(jù)與正常數(shù)據(jù)快速分離,具有較好異常檢測(cè)效果。論文在傳統(tǒng)的生物地理學(xué)優(yōu)化算法（BBO）基礎(chǔ)上提出一種多環(huán)層次生物地理學(xué)優(yōu)化算法（MRBBO）,利用其較強(qiáng)的全局優(yōu)化和探索能力對(duì)隔離森林算法的森林構(gòu)建過程進(jìn)行優(yōu)化,并將優(yōu)化后的隔離森林算法用于軟件行為異常檢測(cè)。論文主要做了以下研究:首先,針對(duì)傳統(tǒng)的BBO算法收斂速度慢,易產(chǎn)生早熟,全局尋優(yōu)能力差等問題,提出一種多環(huán)層次生物地理學(xué)優(yōu)化算法。該算法將全局的拓?fù)浣Y(jié)構(gòu)改成局部的多環(huán)層次結(jié)構(gòu),避免早熟,并對(duì)其遷移算子進(jìn)行改進(jìn),提高算法的收斂速度和種群的多樣性。其次,針對(duì)現(xiàn)有的軟件行為異常檢測(cè)算法檢測(cè)性能差的問... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

物種遷移模型

BBO 算法也是基于種群從體的相關(guān)操作來對(duì)種群進(jìn)行不斷法是以生物地理學(xué)的理論模型為中的不同個(gè)體進(jìn)行重組，因此也算法存在明顯的不同。程中始終保留著初始的解集，只算法也是不同的，后者在每一次迭更大的解集，需要從中選取解來。理學(xué)優(yōu)化算法與粒子群、差分進(jìn)，然后在算法運(yùn)行過程中使這些通過向群體最優(yōu)解和個(gè)體歷史最

RBBO 算法描述）拓?fù)浣Y(jié)構(gòu)的優(yōu)化基于種群的啟發(fā)式算法，種群的拓?fù)浣Y(jié)構(gòu)往往對(duì)算法性能有著較大發(fā)式算法選擇合適的種群拓?fù)浣Y(jié)構(gòu)，是算法設(shè)計(jì)的一個(gè)重要方面。環(huán)形和方形的局部拓?fù)浣Y(jié)構(gòu)引入 BBO 算法。在局部拓?fù)浣Y(jié)構(gòu)中，域中的最優(yōu)的個(gè)體學(xué)習(xí)。如圖 2.3 所示，給出了幾種常見的拓?fù)浣Y(jié)構(gòu)都有自己特殊的信息交互方式。

【參考文獻(xiàn)】：
期刊論文
[1]An Improved Biogeography-Based Optimization Algorithm for Blocking Flow Shop Scheduling Problem[J]. LIU Shufen,WANG Pengfei,ZHANG Jiachen.  Chinese Journal of Electronics. 2018(02)
[2]基于人工蜂群優(yōu)化的密度聚類異常入侵檢測(cè)算法[J]. 任維武,張波辰,底曉強(qiáng),盧奕南.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2018(01)
[3]基于離散馬爾科夫鏈的數(shù)據(jù)庫用戶異常行為檢測(cè)[J]. 畢猛,王安迪,徐劍,周福才.  沈陽工業(yè)大學(xué)學(xué)報(bào). 2018(01)
[4]基于隨機(jī)森林的Android惡意軟件檢測(cè)方法[J]. 陳蘇婷,王軍華,張艷艷.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(09)
[5]基于時(shí)變加權(quán)馬爾科夫鏈的網(wǎng)絡(luò)異常檢測(cè)模型[J]. 王笑,戚湧,李千目.  計(jì)算機(jī)科學(xué). 2017(09)
[6]基于混合式聚類算法的離群點(diǎn)挖掘在異常檢測(cè)中的應(yīng)用研究[J]. 尹娜,張琳.  計(jì)算機(jī)科學(xué). 2017(05)
[7]稀疏隨機(jī)森林下的用電側(cè)異常行為模式檢測(cè)[J]. 許剛,談元鵬,戴騰輝.  電網(wǎng)技術(shù). 2017(06)
[8]基于Isolation Forest的并行化異常探測(cè)設(shè)計(jì)[J]. 侯泳旭,段磊,秦江龍,秦攀,唐常杰.  計(jì)算機(jī)工程與科學(xué). 2017(02)
[9]遺傳算法的原理及應(yīng)用[J]. 周現(xiàn)甫.  科技展望. 2017(03)
[10]基于信息增益特征選擇的網(wǎng)絡(luò)異常檢測(cè)模型[J]. 劉汝雋,賈斌,辛陽.  計(jì)算機(jī)應(yīng)用. 2016(S2)



本文編號(hào)：3400177