基于自适应免疫计算的网络攻击检测研究

摘要：

互联网与生俱来的开放性和交互性的特征,导致攻击者能利用网络的漏洞对网络进行破坏.网络攻击一般具有隐蔽性和高危害性,因此有效地检测网络攻击变得极为重要.为了解决大部分检测算法只能检测一类网络攻击且检测延迟高等问题,提出了一种基于自体集密度自动划分聚类方法的阴性选择算法,简称 DAPC-NSA.该算法采用基于密度的聚类算法对自体训练数据进行预处理,对其进行聚类分析,剔除噪声并生成自体检测器;然后根据自我检测器生成非我检测器,同时利用自我检测器和非我检测器来检测异常.文中最后进行了模拟入侵检测实验,结果表明,相比于其他检测算法,该算法不仅能同时检测 6 种攻击,具有较高的检测率和较低的误测率,而且检测时间短,能达到实时检测的目标.

关键词：网络安全、攻击检测、自适应免疫、DAPC-NSA、检测器、网络攻击模拟

所属期刊栏目：45

分类号：TP183(自动化基础理论)

资助基金：国家自然科学青年基金61502423;浙江省科技厅科研院专项2016F50047

在线出版日期：2018-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：364-370