版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展,計算機和網(wǎng)絡(luò)已經(jīng)滲透到社會生活的各個方面,隨之而來的網(wǎng)絡(luò)安全問題也越來越引起人們的關(guān)注和重視?;诿庖咴淼娜肭謾z測技術(shù)研究已成為繼神經(jīng)網(wǎng)絡(luò)、進化計算后的又一研究熱點。 本文針對當(dāng)前的入侵檢測技術(shù)不能有效檢測未知入侵的問題,通過深入研究免疫系統(tǒng)蘊含的各種信息處理機制后,借鑒免疫原理中的動態(tài)克隆選擇算法,構(gòu)建了一個基于動態(tài)克隆選擇的入侵檢測模型。本文主要實現(xiàn)了模型的數(shù)據(jù)捕獲模塊和檢測模塊。
2、 首先,針對傳統(tǒng)方法存在的高丟包率的問題,通過簡化用戶緩沖區(qū)中數(shù)據(jù)包的處理方式,改進了數(shù)據(jù)捕獲模塊的捕包方法。測試結(jié)果表明,在高流量環(huán)境中,采用新的方法顯著降低了丟包率。 其次,通過對動態(tài)克隆選擇算法進行研究和分析,發(fā)現(xiàn)該算法為了滿足較高的檢測率,需要大量的協(xié)同刺激,降低了檢測性能。因此本文對動態(tài)克隆選擇算法進行了改進,提出了相應(yīng)的算法,并將其應(yīng)用在模型的檢測模塊當(dāng)中。在新的算法中,成熟檢測器和記憶檢測器協(xié)同工作來檢測未
溫馨提示
- 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于克隆選擇計算的入侵檢測方法研究.pdf
- 基于動態(tài)克隆選擇的自適應(yīng)免疫入侵檢測器優(yōu)化.pdf
- 面向網(wǎng)絡(luò)入侵檢測的克隆選擇方法.pdf
- 改進的動態(tài)克隆選擇算法在入侵檢測中的應(yīng)用研究.pdf
- 克隆選擇原理在入侵檢測中的應(yīng)用.pdf
- 入侵檢測系統(tǒng)中基于量子理論的克隆選擇算法研究.pdf
- 基于免疫克隆選擇加權(quán)樸素貝葉斯分類器的網(wǎng)絡(luò)入侵檢測.pdf
- 基于克隆選擇的檢測器優(yōu)化算法研究.pdf
- 基于免疫克隆選擇的垃圾網(wǎng)頁檢測技術(shù)研究.pdf
- 實值空間動態(tài)克隆選擇算法研究.pdf
- 基于克隆選擇的檢測算法和檢測器分布研究.pdf
- 基于免疫克隆選擇算法的研究與應(yīng)用.pdf
- 基于克隆選擇算法的高光譜圖像波段選擇.pdf
- 基于克隆選擇算法的排序?qū)W習(xí)方法研究.pdf
- 基于班德文克隆選擇算法的模糊聚類研究.pdf
- 基于概率克隆選擇微粒群算法的優(yōu)化設(shè)計研究.pdf
- 基于克隆選擇和統(tǒng)計學(xué)習(xí)的視頻檢索.pdf
- 免疫克隆選擇算法研究及其應(yīng)用.pdf
- 基于克隆選擇和粒子群算法的圖像分割方法研究.pdf
- 人工免疫系統(tǒng)中動態(tài)克隆選擇算法的研究與設(shè)計.pdf
評論
0/150
提交評論