基于蜜罐的网络防御仿真平台设计

随着计算机网络的迅速发展,网络安全问题日益突出。为了提高网络管理人员的网络防御能力,为从事网络安全管理相关人员提供了方便、灵活的训练环境,文章提出了基于蜜罐的网络防御仿真平台设计。平台通过对蜜罐系统功能进行扩展、重构,可以有效仿真网络安全防御体系,提供从安防设备到服务终端的完善、灵活的虚拟网络环境。     

基于遗传算法的蜜罐系统

入侵诱骗系统作为一种网络安全工具,其价值在于被扫描、攻击和入侵时,通过创建一个高度可控的攻击环境,从而捕获尽可能多的入侵信息.基于这些信息,分析入侵行为,预防更多的恶意破坏,从而更有效的保护网络.介绍一种基于遗传算法的蜜罐系统,其关键技术包括隐蔽的数据捕捉和基于遗传算法的行为分析技术.实验证明,该系统能有效捕捉恶意行为,防御多种新型攻击.     

基于自适应遗传算法的入侵检测方法

提出了一种基于自适应遗传算法的入侵检测方法。该方法采用自适应的适应度函数、交叉概率及变异概率取代固定的适应度函数、交叉概率及变异概率来改进遗传算法并用于入侵检测中。实验结果证明算法显著提高了自身收敛性能,具有很强的自适应能力,用于入侵检测中在保证较高检测率的基础上,对不同类型的攻击检测具有良好的均衡性。     

基于蜜罐技术的网络防御策略研究

蜜罐技术作为一种主动防御的网络安全技术,已经成为诱骗攻击者非常有效实用的方法 .文章分析了蜜罐的原理、结构、特点、设计和实现,提出了一种基于蜜罐系统的网络防御技术,并构建一个虚拟蜜罐系统来全面论证了蜜罐的功能.     

网络安全体系中蜜罐技术分析

对目前网络中蜜罐的分类及其涉及的主要技术进行分析,指出了蜜罐技术存在的缺陷,并讨论了网络安全中密罐技术今后的发展方向。     

基于蜜罐的企业网络安全与应用

简要介绍了Honeypot的理论知识，并对现有Honeypot的应用提出一种新的设想。即由原来只能作为黑客攻击手段的研究系统，改进为可以应用于企业网络的防御计划，作为企业网络防御黑客攻击的一部分。以期对现时期的企业网络防御所存在的问题，提供一些有实际应用价值的帮助。     

基于动态蜜罐技术的虚拟网络设计

通过利用蜜罐技术和网络扫描技术完成动态网络蜜罐的设计,以设计一个动态自适应虚拟网络系统为目标来实现对真实网络环境的虚拟模拟与动态信息收集,从而配置一个与实际网络拓扑结构十分类似的虚拟网络．用以诱骗攻击、转移攻击,对于消解黑客攻击带来的威胁、掌握黑客攻击特性与新型攻击方式很有帮助．     

拟态防御下的网络流量异常检测架构

网络流量异常检测是负载均衡、入侵检测、流量工程等应用的基础,但现有检测方案在遭受网络攻击、服务器发生软错误等异常情况下缺乏足够鲁棒性.为此,引入拟态防御思想,提出一种基于拟态防御的网络流量异常检测架构.通过设计多个异构检测模块,以增强检测鲁棒性.为减少拟态化构造引入的额外开销,设计了索引数据结构、迷你执行体.基于真实流量数据的初步实验结果表明,采用的多模裁决机制减少了检测假阳性,所提架构平均准确率强于传统异常检测方案.     

基于蜜罐技术的网络入侵检测系统协作模型的研究与实现

针对当前互联网中传统的入侵检测系统无法对未知攻击作出有效判断,而造成信息误报和漏报的问题,从入侵检测和蜜罐的基本特点出发,提出了一种基于蜜罐技术的网络入侵检测系统协作模型,通过引诱黑客入侵,记录入侵过程,研究攻击者所使用的工具、攻击策略和方法等,提取出新的入侵规则,并实时添加到IDS规则库中,以提高IDS检测和识别未知攻击的能力,进一步提升网络的安全性能.     

基于改进自适应遗传算法的仿真研究

交叉概率Pc和变异概率Pm是遗传算法中重要的参数,自适应遗传算法中Pc和Pm能根据个体适应度差异自适应地调节其大小,在快速收敛和全局最优之间获得了较好的平衡,但自适应遗传算法对于进化初期不利.改进的自适应遗传算法避免了进化初期较优个体处于停滞不前的状态.分别用3种算法对典型的测试函数进行训练,仿真结果表明:改进的自适应遗传算法在收敛速度和寻最优解方面是最优的.     

基于自适应遗传算法的粒子滤波器

针对重采样导致的权值退化问题,应用遗传算法的进化思想来优化重采样算法,将粒子权值作为适应度值,合理设定阈值,利用最佳个体保存法保存高适应度粒子,利用自适应交叉、变异操作对低适应度粒子进行进化,将高适应度粒子与进化粒子组合成新的粒子集进行状态估计.仿真实验表明,该算法具有良好的实时性和估计精度,其状态估计精度比标准粒子滤波提高近24倍,比无迹卡尔曼粒子滤波提高近4倍,耗时约为无迹卡尔曼粒子滤波的1/10.     

基于特殊二进制编码的自学习模糊遗传算法

为了提高自适应遗传算法(AGA:Adaptive Genetic Algorithm)的鲁棒性,并使之更有效地求解属于NP难类型的组合优化问题,提出了一种自学习模糊自适应遗传算法.该混合算法利用一个特殊二进编码标准GA在线学习AGA运行特性;通过强化学习方式自动设计和调整模糊知识系统,基于GA的自学习模糊技术可以获取AGA所需的优化模糊系统.仿真试验演示了采用所提出自动化方式设计的动态参数AGA系统及其自学习结果.试验结果表明,该算法可以用于解决类似于旅行商问题的组合优化问题.     

基于自适应遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用自适应遗传算法对PID控制进行参数寻优,并将结果与常用的PID参数寻优方法进行比较,仿真实验结果表明,在PID参数的寻优问题中,自适应遗传算法采用自动改变变异概率的方法,提高了控制系统的自适应性。     

基于海明距离改进的自适应遗传算法

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优解的不足，通过引进种群迁移及增强种群个体杂交之间的海明距离对自适应遗传算法进行了改进。改进的算法提高了种群精英基因，使其能很好地保留到下一代；较好地提高了自适应遗传算法的全局搜索能力，并增强了算法收敛速度。通过仿真实验验证了本文算法的有效性。     

基于自适应混合遗传算法的装箱问题探讨

多约束条件下的三维集装箱问题是NP难题,它的求解极为困难。提出了一种自适应混合遗传算法,该算法采用直观的自然数编码机制、混合启发式规则的解码方法和改进的遗传算子。仿真结果表明,该算法在效率和精度上均优于基于空间分解的启发式搜索法等常用的进化类算法。     

一种十进制自适应并行遗传算法

针对遗传算法中的早收敛现象,从增强和保持种群多样性出发,引入自适应并行遗传算子的进化策略,提出了一种十进制自适应并行遗传算法(Decimal Adaptive Parallel Genetic Algorithm).实验结果表明,该算法对多个标准测试函数都表现出较好的搜索性能.     

基于生物入侵思想的自适应遗传算法优化

为了改进遗传算法的性能,针对标准遗传算法存在的早收敛及稳定性差的缺点,分析这一问题的原因及应对措施。选择使用基于生物入侵思想的自适应遗传算法进行优化,根据种群的实际情况对交叉概率、变异概率及入侵概率进行动态调整,使算法具有更好的鲁棒性。通过对标准遗传算法、自适应遗传算法、改进的自适应遗传算法和基于生物入侵思想的自适应遗传算法进行仿真验证得知,优化后的算法具有更好的适应度曲线,表明其能够有效的克服不成熟收敛,具有更快的收敛速度及更好的的稳定性。     

用基于实数编码的自适应遗传算法求解产量预测模型

产量预测模型本质上都是具有若干待定参数的非线性模型 ,对它的求解可表示为一个连续参数优化问题。用基于实数编码的自适应遗传算法对产量预测模型进行了求解 ,并针对模型求解的特点 ,提出了自适应变异、最优个体保留、分段定义变加权适应度函数等若干改进措施 ,从而加快了运算速度 ,保证了问题的收敛 ,并可按需要区别对待不同时间阶段动态数据对拟合效果的影响。该方法具有通用性 ,几乎所有的模型都可用其求解。用实测数据对Weng旋回模型和产量双曲递减曲线进行了求解 ,实例分析表明该算法具有较强的实用性。