基于人工免疫理論的智能入侵檢測方法研究.pdf

1、生物免疫系統(tǒng)（Biological Immune System，BIS）具有良好的多樣性、耐受性、免疫記憶、分布式并行處理、自組織、自學(xué)習(xí)、自適應(yīng)和魯棒性等特點(diǎn)。計算機(jī)的安全問題與生物免疫系統(tǒng)所遇到的問題具有驚人的相似性，兩者都要在不斷變化的環(huán)境中維持系統(tǒng)的穩(wěn)定性。人體免疫系統(tǒng)具有天生發(fā)現(xiàn)并消滅外來病原體的能力，生物免疫系統(tǒng)所具有的這些特性正是計算機(jī)科學(xué)工作者所夢寐以求的?；谌斯っ庖叩娜肭謾z測思想應(yīng)運(yùn)而生。 基于人工免疫入侵檢

2、測算法中最經(jīng)典的當(dāng)屬新墨西哥大學(xué)的Forrest所提出來的否定選擇算法，又稱反向選擇算法。其主要思想是定義一個自我集，隨機(jī)產(chǎn)生一個檢測器與該自我集進(jìn)行耐受，和自我集匹配的檢測器刪除，那些經(jīng)過耐受期留存下的成為成熟檢測器，用于入侵檢測。該算法的檢測器生成是隨機(jī)的，沒有任何方向性，導(dǎo)致最后產(chǎn)生的成熟檢測器不可避免地產(chǎn)生冗余。反向選擇算法的核心是r-連續(xù)位匹配算法，該算法恒定的匹配概率導(dǎo)致了檢測黑洞的產(chǎn)生。 本文對傳統(tǒng)的免疫入侵檢測算

3、法進(jìn)行了分析，發(fā)現(xiàn)了以下問題：首先，否定選擇算法中的匹配算法不可避免地導(dǎo)致了“黑洞”的產(chǎn)生，如何盡可能地避免“黑洞”產(chǎn)生呢？其次，否定選擇算法中檢測器都是隨機(jī)產(chǎn)生的，盡管要進(jìn)行免疫耐受的過程，但檢測器和檢測器之間的“冗余”卻不可避免的產(chǎn)生了，而且檢測器集規(guī)模越大，冗余越大，如何消除冗余問題？最后，如何構(gòu)建一個高效穩(wěn)定的入侵檢測模型呢？ 針對上述問題，本文開展工作如下： 1．本文采用一種將待匹配字符串進(jìn)行分段的思想，通過對

4、每段設(shè)置不同的匹配系數(shù)，以及有針對地設(shè)置關(guān)鍵字段位，形成一種可控的匹配概率，避免了由于r-連續(xù)位匹配算法的恒定匹配概率，而使得基于反向選擇算法的檢測系統(tǒng)可能出現(xiàn)的檢測黑洞。 2．提出一個冗余剔除算法，根據(jù)冗余成熟檢測器之間相似的結(jié)構(gòu)特性，采用滑動窗口思想，對檢測器集進(jìn)行冗余消除，解決了隨機(jī)產(chǎn)生的初始檢測器不可避免地為成熟檢測器的冗余埋下隱患的問題，以及無窮盡的非我個體和有限的成熟檢測器集合之間存在的矛盾問題，同時能保證檢測器集的

5、性能不變。 3．構(gòu)建了一個新型的基于人工免疫的入侵檢測模型。該模型通過聚類算法對數(shù)據(jù)集進(jìn)行分類，產(chǎn)生自體抗原和非自體抗原。非自體抗原通過遺傳算法、冗余剔除算法以及反向選擇算法產(chǎn)生成熟檢測器集。成熟檢測器集在一定的匹配閾值下形成記憶檢測器集。測試集先經(jīng)過記憶檢測器集，再通過成熟檢測器集，在此過程中完成記憶檢測器和成熟檢測器的更新。 在隨機(jī)數(shù)據(jù)集和1998DARPA數(shù)據(jù)集上，通過VC++上的程序仿真實驗，對傳統(tǒng)算法和改進(jìn)算法