基于聚類的鄰域檢測器生成算法及模型研究.pdf

1、隨著計算機網(wǎng)絡的廣泛發(fā)展，入侵檢測技術開始越來越多地受到人們的重視。將免疫理論與入侵檢測相結合，即合法用戶、合法授權的行為視為自體，病毒、黑客入侵等行為視為非自體。因此可以將免疫技術應用在入侵檢測系統(tǒng)中。近年來，免疫入侵檢測作為一種高效的入侵檢測技術，已經(jīng)成為現(xiàn)代網(wǎng)絡安全研究熱點。
　　本文介紹免疫入侵檢測的國內外的研究現(xiàn)狀，通過研究分析國內外對形態(tài)空間、檢測器生成、免疫入侵檢測模型等存在的問題，同時闡述了免疫入侵檢測的一種新的形

2、態(tài)空間-鄰域形態(tài)空間。利用鄰域否定選擇算法來生成訓練檢測器過程中，發(fā)現(xiàn)匹配自體樣本時，易造成算法耗時。同時針對上述問題進行分析，對鄰域否定選擇算法和聚類方法進行深入研究，并將二者結合起來，提出一種基于聚類的鄰域檢測器生成算法。將自體樣本映射到構建好的鄰域空間中，對其進行聚類，同時隨機檢測器進行耐受，訓練出成熟的鄰域檢測器。該算法縮短生成檢測器的時間，同時對高重疊等問題進行處理。
　　針對現(xiàn)有檢測器模型中形態(tài)空間的缺陷，如適應性差、