基于人工免疫的混合型入侵检测研究

《基于人工免疫的混合型入侵检测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号３０１单位代：１０３００：ＴＰ码２０１３１２４３５７３密级：学号：ｉ少、ｌｉ巧起＾善硕±学位论文哦一，＇锭尊哥＇－．Ｖ基于人工免疫的混合型入侵检测妍究ＭｉｘｅｄＩｎｔｒｕｓｉｏｎＤｅｔｅｃｔｉｏｎ民ｅｓｅａｒｃｈＢａｓｅｄｏｎＡｒｔｉｆｉｃｉａｌＩｍｍｕｎｅＳｙｓｔｅｍ申请人姓省：马卢玉？指导教师：尹春勇副教授专业名称：计篡机科学与技术、、全研究方：信息安向所在学院：计篡化与软件学院二〇—六年五月独创性声明本人

2、声明所呈交的论文是我个人在导师指导下进行的研巧工作及取得的研巧成果。本论文除了文中特别加标注和致谢的内容外，不包含其他人或其他机构已经发表或撰写过的研巧成果，也不包含为获得南京信息工程大学或其他教育机构的学位或证书而使用过的材料。其他同志对本研巧所做的贡献均已在论文中作了声明并表示谢意。学位论文作者签名：马＾签字日期：Ａ．７关于论文使用授权的说明南京信息工程大学、国家图书馆、中国学术期刊（光盘版）杂志化、中国科学技术信息研究所的《中国学位论文全文数据库》有权保留本人所送交学位论文的复印件和电子文档，

3、，可Ｗ采用影印、缩印或其他复制手段保存论文并通一过网络向社会提供信息服务。。本人电子文档的内容和纸质论文的内容相致＞１除在保密期内的保密论文外，允许论文被查阅和借阅，可＾公布（包括刊登）论１文的全部或部分内容。论文的公布（包括刊登）授权南京信息工程大学研究生院办理。＞＼开〇＾□保密（年月）（保密的学位论文在解密后应遵守此协议）私学位论文作者签名；签字日期：７．ｌ指导教师签名：签字曰期＝方ｆｉｉｊＴ目录摘要ＩＡＢＳＴＲＡＣＴＵ一第章绪论１１１．１论文研究背景及意义１．２

4、研究现状２１２１．．入侵检测系统的研究现状２１．２．２人工免疫系统的研巧现状３１２４．．３特征选择算法的研究现状１．３论文组织架构６７第二章入侵检测的相关问题２．１入侵检测概念７２．２入侵检测方法１０２．２．１入侵检测方法的分类１０２１１．２．２近年的入侵检测方法２１５．３入侵检测系统的主要评价标准２１．４入侵检测面临的问题６２．５本章小结１７１第Ｈ章改进的ＡＩＳ克隆选择算法８３．１人工免疫系统１８３丄１人工免疫系统１８３丄２人工免疫系统应用

5、于入侵检测的原理１８３．１．３人工免疫系统在入侵检测中的优势２０３丄４人工免疫系统应用于入侵检测中的算法２０３．２ＢＰ神经网络２２３．２．１ＢＰ神经网络的概念２２３．２．２ＢＰ神经网络与人工免疫系统的区别２４３．３克隆选择算法２５３２６．４改进的克隆选择算法３：．４．１特征提取２６３．４．２改进的克隆选择算法２７Ｉ０３５３．实验分析３０３．５．１选择的数据集３５２仿真试验与分析３４．．３５３．５．３人工免疫与神经网络的仿真试验比较３．６本章小结

6、３６第四章改进的泡合型特征选择算法３７４１３７．特征选择算法面临的问题４．２特征选择算法巧４．２．１特征选择的定义３７４．２．２特征选择常用的方法３８４４０．３本章的特征选择算法４４实验数据集４２．４４１４２．．数据集的描述４．４．２数据集预处理４７４．５实验结果的比较与分析４８４．５．１实验评价标准４８４５２４８．．特征选择的结果４．５验的对比结果及分析４９．３实４．６本章结论５１第五章混合型特征选择结合改进的ＡＩＳ克隆选择算法在入侵检测中的应用

7、．．．５２５．１混合型特征选择算法５２５２５丄１实验数据５２５丄２仿真实验对比分析５．２本章总结５７第六章总结与展望５８６．１工作总结５８巧６．２展望ａ谢６０６１参考文献５作者简介６ＩＩ摘要随着网络的发展，它使得网络资源变得丰富的同时也为互联网自身的安全带来了隐患。网络入侵行为隐秘性强，不受时间与地域上的限制，所Ｗ其经常发生在正常网络的行为活动中。主要表现为：入侵者使用程序病毒对系统进行入侵；非法用户使用未经授权的账户登录并进行恶意修改系统文件；合法／

8、非法用户恶意窃取其权限Ｗ外的相关文件；因此；非法／合法用户恶意泄露敏感文件网络安全问题一直备受关注。此外，从网络中能够获取到的数据量也越来越大，数据的特征维度也越来越多。在入侵检测中，过多冗余和