项目名称: 基于多层免疫的网络入侵检测方法研究

项目编号: No.61303228

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 郑旭飞

作者单位: 西南大学

项目金额: 23万元

中文摘要: 因生物免疫系统与网络入侵检测系统的极大相似性,人工免疫系统成为了构造智能入侵检测系统的研究热点之一。但是,当前基于人工免疫系统的网络入侵检测方法普遍存在检测效率过低和检测误报率过高的问题。模式识别受体模型是生物免疫系统中联系固有免疫和自适应免疫的重要理论,其成果的验证获得了2011年诺贝尔生理学或医学奖。本项研究基于模式识别受体理论,结合固有免疫和自适应免疫的原理和方法应用于网络入侵检测,特别是构造基于模式识别受体模型的多层免疫的网络入侵检测方法和模型,以改善和解决当前基于免疫的入侵检测技术所存在的问题。其间解决3个重要问题:①建立基于多层免疫的网络入侵检测模型;②探索更高效和低误报的检测器生成方法;③实现系统的整体综合风险分析。基于多层免疫的网络入侵检测模型因其具有层次性、快速响应、自适应、分布性和鲁棒性等优良特性,该项研究成果对于促进人工免疫系统在网络入侵检测方面研究具有非常重要意义。

中文关键词: 网络入侵检测;人工免疫系统;多层免疫机制;二次否定选择;模式识别受体理论

英文摘要: The artificial immune based intrusion detection technology learning from related mechanism of biological immune system attracks more attentions and is regarded as a very important and far-reaching research of network security field in domestic and foreign scholars for its excellent characteristics in hierarchy, distributivity, adaptivity, diversity, robustness, and etc. However, the low detection efficiency and high false alarm rate commonly existed in the immune based network intrusion detection technology. The lower detector generation efficiency and the higher false positive rate are the main obstacles in the current artificial immune system (AIS), which greatly hindered the applications of AIS in every filed. The pattern recognition receptors (PRR) model is an important theory which links the innate immune and adaptive immune in the biological immune system (BIS), and the validation of the PRR theory won the 2011 Nobel Prize in Physiology or Medicine. In this research, we apply the principles of AIS to the intrusion detection research, and especially construct Multi-layer Immune based network intrusion detection method and model based on the PRR theory to improve and solve the problems in the current immune-based intrusion detection technology. Concretely, this project will answer three important questions:

英文关键词: network intrusion detection;artificial immune system;multi-layer immune mechanism;dual negative selection;pattern recognition receptor theory

成为VIP会员查看完整内容
0

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
对抗机器学习在网络入侵检测领域的应用
专知会员服务
33+阅读 · 2022年1月4日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
89+阅读 · 2021年1月17日
基于事件社会网络推荐系统综述
专知会员服务
69+阅读 · 2021年1月13日
专知会员服务
83+阅读 · 2020年12月11日
专知会员服务
95+阅读 · 2020年12月8日
专知会员服务
45+阅读 · 2020年11月13日
【干货书】可解释人工智能(xAI)方法和深度元学习模型
专知会员服务
58+阅读 · 2020年9月13日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
深度学习预测蛋白质-蛋白质相互作用
机器之心
5+阅读 · 2022年1月15日
改进YOLOv4!让你的网络涨点!
CVer
0+阅读 · 2022年1月14日
对抗机器学习在网络入侵检测领域的应用
自动化所团队揭示多尺度动态编码,助力脉冲网络实现高效强化学习
中国科学院自动化研究所
0+阅读 · 2021年12月13日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
ICLR2019 图上的对抗攻击
图与推荐
17+阅读 · 2020年3月15日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Towards PAC Multi-Object Detection and Tracking
Arxiv
0+阅读 · 2022年4月15日
Arxiv
13+阅读 · 2020年10月19日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
对抗机器学习在网络入侵检测领域的应用
专知会员服务
33+阅读 · 2022年1月4日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
89+阅读 · 2021年1月17日
基于事件社会网络推荐系统综述
专知会员服务
69+阅读 · 2021年1月13日
专知会员服务
83+阅读 · 2020年12月11日
专知会员服务
95+阅读 · 2020年12月8日
专知会员服务
45+阅读 · 2020年11月13日
【干货书】可解释人工智能(xAI)方法和深度元学习模型
专知会员服务
58+阅读 · 2020年9月13日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
深度学习预测蛋白质-蛋白质相互作用
机器之心
5+阅读 · 2022年1月15日
改进YOLOv4!让你的网络涨点!
CVer
0+阅读 · 2022年1月14日
对抗机器学习在网络入侵检测领域的应用
自动化所团队揭示多尺度动态编码,助力脉冲网络实现高效强化学习
中国科学院自动化研究所
0+阅读 · 2021年12月13日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
ICLR2019 图上的对抗攻击
图与推荐
17+阅读 · 2020年3月15日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员