基于人工免疫理論的智能入侵檢測(cè)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(jì)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(jì)算機(jī)科學(xué)工作者所夢(mèng)寐以求的?；谌斯っ庖叩娜肭謾z測(cè)思想應(yīng)運(yùn)而生。 基于人工免疫入侵檢

2、測(cè)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(gè)自我集，隨機(jī)產(chǎn)生一個(gè)檢測(cè)器與該自我集進(jìn)行耐受，和自我集匹配的檢測(cè)器刪除，那些經(jīng)過耐受期留存下的成為成熟檢測(cè)器，用于入侵檢測(cè)。該算法的檢測(cè)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(cè)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(cè)黑洞的產(chǎn)生。 本文對(duì)傳統(tǒng)的免疫入侵檢測(cè)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(cè)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(cè)器和檢測(cè)器之間的“冗余”卻不可避免的產(chǎn)生了，而且檢測(cè)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(gè)高效穩(wěn)定的入侵檢測(cè)模型呢？ 針對(duì)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(duì)

4、每段設(shè)置不同的匹配系數(shù)，以及有針對(duì)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(cè)系統(tǒng)可能出現(xiàn)的檢測(cè)黑洞。 2．提出一個(gè)冗余剔除算法，根據(jù)冗余成熟檢測(cè)器之間相似的結(jié)構(gòu)特性，采用滑動(dòng)窗口思想，對(duì)檢測(cè)器集進(jìn)行冗余消除，解決了隨機(jī)產(chǎn)生的初始檢測(cè)器不可避免地為成熟檢測(cè)器的冗余埋下隱患的問題，以及無窮盡的非我個(gè)體和有限的成熟檢測(cè)器集合之間存在的矛盾問題，同時(shí)能保證檢測(cè)器集的

5、性能不變。 3．構(gòu)建了一個(gè)新型的基于人工免疫的入侵檢測(cè)模型。該模型通過聚類算法對(duì)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(cè)器集。成熟檢測(cè)器集在一定的匹配閾值下形成記憶檢測(cè)器集。測(cè)試集先經(jīng)過記憶檢測(cè)器集，再通過成熟檢測(cè)器集，在此過程中完成記憶檢測(cè)器和成熟檢測(cè)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(shí)驗(yàn)，對(duì)傳統(tǒng)算法和改進(jìn)算法