免疫入侵检测中基于数据场的动态识别算法

来源 :计算机应用 | 被引量 : 7次 | 上传用户:objzobjz3
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
将数据场理论引入到计算机免疫的研究中,设计了一种识别器的构造方法及其动态识别算法。抗体的培育是建立在不完全自体集的基础上,算法可以识别出未知自体,降低自免疫反应发生的概率,并通过动态识别算法完善抗体集,克服了现有的入侵检测系统对自体集要求较高的局限性,简化了克隆变异以及记忆机制的实现方法。实验表明:新的免疫动态识别方法使入侵检测系统具有更高的动态平衡性和自适应性。
其他文献
对PPL ive进行了系统的研究,提出了相应的爬虫设计方案,并以该爬虫为平台对PPL ive网络进行了相关的主动测量,最后给出了PPL ive用户行为特征的相关分析。研究结果为PPL ive或其他基于P2P的IPTV系统测量研究提供了有效的方法。
以计算机网络对抗为背景,以缓冲区溢出攻击为例,通过抽象缓冲区溢出攻击的规律,分析植入代码的结构特征,设计一种用于网络对抗演练的缓冲区溢出攻击描述语言,并进行形式化分析证明。实际验证表明,该缓冲区溢出攻击描述语言能够动态地构造植入代码,实现缓冲区溢出攻击的自动化。
对点模型处理阶段的简化进行研究,提出了一种基于数据包络的简化算法。该算法使用点对合并的聚合方法来减少点元的数量;构造内外包络时,使用二分法寻找最佳偏移值。在点对合并的过程中使用八叉树结构进行空间分解,使用贪婪算法来选择点对。实验表明,方法简单,保持了模型的尖锐特征,并且高效地实现了对模型的简化。
修改一类图像处理用的非线性扩散方程模型的扩散系数函数,使所获得的新模型能够在考虑到图像梯度以及二阶导数的情况下,用于去除图像高梯度噪声并保持图像边缘细节。实验表明,该新模型能够在保持图像中有意义的尖峰和窄边缘的同时,消除高梯度噪声。