一种基于免疫机理的入侵检测系统模型

在比较了生物免疫系统和入侵检测系统的相似性后,在入侵检测系统中引入了免疫相关机理,建立了一种基于免疫机理的入侵检测系统模型,并对系统模型中涉及的关键技术进行了详细阐述。在模型检测器的生成规则中首次提出并运用了n-r规则,在检测器的生成算法中将克隆选择、否定选择和思维进化相结合,提出了一种全新的算法。理论分析表明该系统模型能有效检测已知和未知的攻击活动,也为解决入侵检测系统的高误报率和缺乏自适应性的难题提供了思路。     

无线传感器网络选择转发攻击检测方法研究

由于WSNs的本身所具有的一些特性使得它比较其他网络而言更加容易受到攻击。本文在分析各种路由攻击对网络危害性的基础上，进一步分析各种攻击的特征，并针对选择转发攻击提出了一种可行的检测方案。     

基于免疫原理的入侵检测模型研究

简要介绍了生物免疫学的原理，对基于免疫学的入侵检测的相关技术进行了介绍，重点分析了检测器生成的否定选择算法，并以开源入侵检测工具Snort为基础，提出了一个基于免疫原理的入侵检测系统模型，最后给出了该系统模型同时具有误用检测和异常检测的优点，并具有很好的自我适用能力。     

人工免疫中克隆选择算法的改进

在传统的基于免疫的克隆选择算法基础上加以改进，引入了再选择的机制，提出了多层次的动态克隆选择算法，对入侵检测的人工免疫模型进行了有效改进，使得对抗原的识别率更为有效．     

一种基于选择明文-时间差异的边信道攻击方法

为了研究密码算法的安全性能,提出了一种基于选择明文-时间差异的边信道攻击(简称选择明文-时间攻击)方法.该方法通过选择少量适当的明文输入密码系统,检测相应部分代码的执行时间,从而分析获取密钥,用来攻击分组密码或公钥密码系统.为了便于说明,文中以分组密码DES算法为例,详述了选择明文-时间攻击的具体实现.在单片机上的实验...     

动态克隆选择和免疫网络结合的算法

提出了一种动态克隆选择算法和免疫网络相结合的新入侵检测算法。将基因库和高频变异加入动态克隆选择算法，提高检测器的进化速率。将免疫网络与动态克隆选择算法结合，消除成熟检测器中存在的冗余，提高检测器的生成效率。对算法中记忆检测器的生成加入变异和竞争，促进记忆检测器的进化，提高群体的亲和力水平。     

数据挖掘在免疫入侵检测中的应用

论述了数据挖掘在免疫IDS系统中的应用，详细描述了关联规则和序列模式挖掘算法，在一定程度上弥补了阴性选择算法的不足。并提出了一个新的基于数据挖掘和人工免疫的入侵检测模型，克服了现有入侵检测模型的缺点。     

用于多峰值寻优的人工免疫克隆选择算法

提出了一种执行克隆选择原则的强有力的计算方法，算法思想中考虑到在免疫响应产生的较高亲和力的抗体中，选择改进的成熟后代。这种革新算法能关于机器学习解复杂问题，实例结果表明，克隆选择算法对多峰值寻优问题有优良能力。     

DNA疫苗经基因枪介导的免疫研究

将基因枪介导的DNA疫苗用于小鼠腹部免疫，并用免疫组化法检测gD抗原在接种部位的表达，利用ELISA检测血清中的抗gD抗体，并采用病毒攻击检测DNA疫苗对动物的保护效果。结果表明，基因枪可有效地将DNA质粒运送至小鼠皮肤组织，DNA疫苗携带的抗原保护基因gD2糖蛋白能在真皮和肌肉组织中高效表达。同时，免疫小鼠体内产生高滴度的中和抗体，能有效抵抗HSV2病毒的攻击。     

基于BP神经网络的入侵检测系统的特征选择

随着各种入侵和攻击网络工具的出现,入侵检测成为网络管理的关键组成部分。特征选择能够有效地提高机器学习与规则提取算法性能。本文设计了一种基于遗传神经网络的入侵检测系统,采用基于多种改进的遗传算法特征选择方法,实验结果表明不同改进的遗传算法特征选择对BP神经网络的分类正确率有一定的影响。     

基于人工免疫原理的入侵检测研究

将人工免疫的原理运用到计算机入侵检测系统中,充分利用了人工免疫系统的分布性、自适应性和高效性.为入侵检测系统的高误报率和缺乏自适应性问题的解决提供了一个模型框架.并对生成检测器的阴性算法进行了描述.     

一种改进的计算机免疫模型

通过对生物免疫系统和计算机免疫系统的比较,提出了一种改进的计算机免疫模型.该模型针对计算机免疫系统中自体动态变化比生物体更为频繁的特点,提出了成熟免疫细胞的否定选择机制,并给出了成熟细胞的否定选择算法;同时模型还针对计算机免疫系统中非自体的多样性和广泛性,提出了对记忆细胞的动态降职机制,并给出了记忆细胞动态降职算法.将该模型运用于网络入侵检测应用的实验表明,模型具有更强的动态特征和鲁棒性.     

一种改进的动态克隆选择算法在病毒检测中的应用研究

提出了可控变异和随机变异方法,改进了动态克隆选择算法,建立了疑似病毒库,降低免疫系统的肯定错误率(FPR),建立并实现了一种改进的基于免疫算法的病毒检测模型。仿真实验表明,该模型不仅能够识别已知的病毒,也能够识别变形病毒,具有较好的自适应性和多样性。     

一种改进的动态克隆选择免疫算法在入侵检测中的应用研究

给出自体、非自体、抗原、抗体、免疫细胞的定义,改进亲和力计算公式,提出可控变异和随机变异方法并以此改进动态克隆选择算法。设计并实现基于该改进免疫算法的入侵检测系统(IDS)模型,仿真实验表明,改进后的算法有效提高入侵检测系统的自适应性。     

基于免疫算法的未知病毒检测方法

提出了一种基于人工免疫算法的未知病毒检测方法,该方法定义了自体、非自体、抗原、检测器等,实现了否定选择和克隆选择机制,给出了算法程序并进行了仿真实验．实验结果表明,该方法是一种检测未知病毒的有效方法．     

基于逐级反向选择算法的入侵检测

提出了一种改进的人工免疫系统算法——逐级反向选择算法，与Forrest提出的反向选择算法比较，在探测子的生成效率上有了本质性的提高．该算法将反向选择过程和克隆选择过程有机地结合在一起．将逐级反向选择算法用于具体的入侵检测，检测效果有明显的提高。     

用于异常检测的单级免疫学习算法

基于对多级免疫学习算法(M ILA)的批评性研究,提出了单级免疫学习算法(SILA)。该算法适用于低维度特征量的异常检测,提高了探测器训练的效率和效益,而且对M ackey-G lass时间序列数据的检测取得了很好的实验结果。