基于自體集規(guī)模約束的網(wǎng)絡(luò)入侵檢測(cè)方法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩83頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、近年來(lái),為應(yīng)對(duì)愈發(fā)嚴(yán)重的網(wǎng)絡(luò)安全問(wèn)題,由生物引發(fā)的信息處理方法的研究引起了人們的高度重視?;谌斯っ庖呃碚摰娜肭謾z測(cè)技術(shù)突破了傳統(tǒng)的方法論和思維方式,通過(guò)免疫系統(tǒng)的自我學(xué)習(xí)和判斷功能,對(duì)當(dāng)前系統(tǒng)面臨的已知和未知危險(xiǎn)能夠及時(shí)有效地作出響應(yīng),保護(hù)系統(tǒng)不受侵害,這種優(yōu)秀的特性決定了它在網(wǎng)絡(luò)安全領(lǐng)域里廣闊的應(yīng)用前景。
   本文就是以此為背景,從入侵檢測(cè)和生物免疫的原理出發(fā),深入和細(xì)致地研究了人工免疫入侵檢測(cè)中的各種算法,針對(duì)網(wǎng)絡(luò)中海量

2、數(shù)據(jù)的現(xiàn)實(shí)情況,提出了自體集規(guī)模約束和檢測(cè)器生成策略等方法,用實(shí)驗(yàn)驗(yàn)證和系統(tǒng)實(shí)現(xiàn)的方式完成了對(duì)免疫入侵檢測(cè)的整體研究。
   首先,在基于人工免疫原理的網(wǎng)絡(luò)入侵檢測(cè)研究基礎(chǔ)上,本文對(duì)人工免疫系統(tǒng)中,自體集規(guī)模較大的問(wèn)題進(jìn)行了深入研究,探討了在實(shí)際網(wǎng)絡(luò)海量數(shù)據(jù)的大環(huán)境下,如何能夠有效的進(jìn)行自體集的規(guī)模約束,提出了一種對(duì)自體集的規(guī)模約束方法,從自體集的屬性特征映射和自體集的內(nèi)容特征壓縮兩方面出發(fā),對(duì)自體集進(jìn)行規(guī)模約束,不僅將采集到的

3、數(shù)據(jù)進(jìn)行了特征屬性的分離映射,而且還實(shí)現(xiàn)了對(duì)自體集內(nèi)容的壓縮提取,從而有效地降低了系統(tǒng)負(fù)載,使基于人工免疫原理的網(wǎng)絡(luò)入侵檢測(cè)能夠有更快的效率和更高的準(zhǔn)確率,為傳統(tǒng)的人工免疫入侵檢測(cè)在海量數(shù)據(jù)的解決上提供了一種新的思路。
   其次,在入侵檢測(cè)的檢測(cè)器生成策略方面,本文結(jié)合了優(yōu)秀檢測(cè)器的匹配規(guī)則和傳統(tǒng)的否定選擇原理,提出了基于自體集檢測(cè)的檢測(cè)器生成策略,通過(guò)自體集的不斷收集和檢測(cè)器的自我更新,形成自體集檢測(cè)器群,由于對(duì)自體集進(jìn)行了

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論