基于免疫机理的云存储数据安全性研究

《基于免疫机理的云存储数据安全性研究》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、东华大学硕士学位论文基于免疫机理的云存储数据安全性研究专业名称：控制工程作者姓名：王伟凯指导教师：任立红学校代码：10255学号：2141189基于免疫机理的云存储数据安全性研究ResearchonDataSecurityofCloudStorageBasedonImmuneMechanism学院：信息科学与技术学院专业：控制工程姓名：王伟凯导师：任立红副教授2016年5月东华大学学位论文原创性声明本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已

2、明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本版权书。本

3、学位论文属于不保密□。学位论文作者签名：指导教师签名：日期：年月日日期：年月日基于免疫机理的云存储数据安全性研究摘要云计算是继分布式计算、并行计算和网格计算之后出现的新的计算模式，凭借其低廉的租用成本、出色的数据存储与计算能力，推动着当前信息技术产业的变革。越来越多的用户选择将数据放入云端数据中心，在云计算技术取得广阔应用前景的同时也面临着诸多挑战，其中最为关键的是云端数据的安全问题。云计算采用分块的分布式数据存储方式，同时云环境下的数据存储与计算几乎是同时进行。如果将每一块数据进行加密对于存储区而言势必可以带来安全保证，

4、但是计算区在每次提取待计算数据时必须进行不断的解密操作，这将大大降低云端数据处理效率。随着生命科学的快速发展，受生物启发的智能算法给我们提供了解决问题的新思路。本论文针对加密技术给云数据安全防御带来的被动与低效，引入生物免疫机理。因为生物免疫系统具有自适应性、鲁棒性和自组织性等优良特性，更适于云环境下的入侵检测。为了将用户数据构造出免疫系统可以处理的个体以及检测器的生成、自适应学习与动态更新等。本论文主要工作有以下几个方面：(1)用户数据要想得到人工免疫系统的保护，必须先将其预处理为系统能够识别的自体，该预处理操作包括：离

5、散数据连续化、标准化、归一化、低维化等。采用PCA算法实现数据的降维，采用K-means算法将大量数据分类处理以提高计算效率。(2)免疫系统中检测器的数量与质量直接决定了系统的检测效率。在传统的检测器生成过程中，未成熟检测器将被直接删除，再随机产生一定量初始检测器直到检测器数量达到设定值为止，这样的处理方式是低效的。论文提出了一种移位的变异方式，对未成熟检测器进行移位变异，可以大大提高检测器的生成效率。(3)检测器生成质量的另一个重要的指标就是覆盖率，如果覆盖率过低势必将产生一定数量的漏检率。针对这样的问题，结合进化计算的

6、思想，在检测器生成过程中引入遗传算法，使得每次迭代过程中检测器通过选择、交叉、变异的方式不断进化，以最大范围的覆盖非自体空间。另外，为了保证种群的多样性，在检测生成过程中，采用随机分组计算适应度的方式，而不是传统的根据整体适应度排序的方式。(4)针对检测器的自适应学习网络环境与动态更新机制，将检测器属性中增加age和num，即在一定年龄内检测到的入侵数量小于阈值就需要被变异，否则I将转为―记忆‖检测器。同时，根据适应度的计算，将提取适应度高的检测器个体经过变异和否定选择后替换适应度低的个体。另外，还引入―疫苗库‖的思想，就

7、是将检测到的非法入侵加入到疫苗库，使得下一代的检测器生成更加具有针对性。(5)设计了一种基于动态克隆选择算法的工业云数据安全自动化生产线，并且细致的描述了该生产线的工作过程。在安全防御方面利用生物免疫系统识别并且消灭外来病毒入侵；在数据提取方面，采用生物免疫的―二次应答‖机制的快速性实现数据的高效提取；同时，针对云环境下资源的可扩展性，该生产线将训练好的免疫机能，如检测器集、自体集，预先复制到新扩展的云服务器其中，类似于生物领域新生个体从母体中所获得的―先天性免疫‖。最后总结了全文并对未来研究进行了展望。关键词：云存储；数

8、据安全；生物免疫；自适应学习；动态更新；自动化生产线IIRESEARCHONDATASECURITYOFCLOUDSTORAGEBASEDONIMMUNEMECHANISMABSTRACTComparedwithpreviouscomputingmodelsuchasdistributedcomputi