免疫入侵檢測動態自適應機制研究

《免疫入侵檢測動態自適應機制研究》是依託哈爾濱理工大學，由張鳳斌擔任項目負責人的面上項目。

基本介紹

• 中文名：免疫入侵檢測動態自適應機制研究
• 項目類別：面上項目
• 項目負責人：張鳳斌
• 依託單位：哈爾濱理工大學

項目摘要

本項目針對當前免疫入侵檢測自體與檢測器存在的主要問題展開分析與研究，擬建立一個免疫入侵檢測動態自適應系統：藉助免疫自適應機制、免疫系統亞動力學以及生物工程領域中的DNA技術等，建立檢測器集自適應學習模型，強調對實時數據的學習，增大有效表位的密度，最大化異常基因覆蓋率，解決系統檢測不穩定的問題；藉助免疫亞動力學和免疫自監督機制，利用機率統計相關知識，提出自體集實時更新模型，最小化自體重疊，提高自體集純度，保障其時效性；借鑑免疫系統反饋模型、信號標籤誘變技術等，提出自體/檢測器集反饋模型，使得自體和檢測器在各自動態更新的基礎上互相監督，從而更好地服務於系統檢測；藉助免疫細胞的DNA官能性、生物晶片技術和離散拓撲理論，研究形態空間的鄰域表示，給出匹配策略和判定標準，解決二進制和實值表示的根本缺陷，並在鄰域空間下建立以上自體集與檢測器集動態模型。

結題摘要

本項目針對基於免疫的入侵檢測中存在的自體最佳化缺失、問題表示不合理、自適應性不理想等問題展開研究，以建立一個基於免疫的入侵檢測動態自適應系統為目標，完成了以下主要研究工作：針對自體多分區、噪聲、高重疊、自體入侵等問題，提出了基於模糊聚類和Gaussian分布的自體集最佳化算法，並以此為基礎建立了以自體收集、篩選、最佳化、去噪為核心的自體實時更新模型，以解決了過時自體樣本與自體區域偏移等問題；針對檢測器構造隨機性、維度災難、黑洞和高重疊等問題，提出了基於n維混沌映射的檢測器構造、基於信息增益的屬性域降維重構、基於協同進化和Monte Carlo估計的檢測器分布最佳化和基於危險信號機制的多形態檢測等算法。並在此基礎上，建立了以自體/檢測器集反饋和DNA疫苗機制為核心的檢測器集自適應學習模型，使檢測器隨環境變化自我進化;針對二進制和實值形態空間對問題表示存在的不足，借鑑離散拓撲理論，構建了鄰域形態空間，並在鄰域形態空間下提出了以鄰域劃分、鄰域否定選擇算法、鄰域檢測器生成與最佳化為核心的人工免疫入侵檢測新模型。綜上，項目的各個研究內容通過大量的實驗驗證獲得了預期效果。取得的成果包含了對生物免疫系統自適應性機制、亞動力學、DNA技術等的建模，配以其它數據挖掘、人工智慧等方面成熟的算法，不但建立了具有自適應學習特性的IDS模型，而且也豐富了人工免疫理論。因此，本項目的各項研究成果是可行和有效的，對人工智慧和網路安全相關領域的研究起到一定的推動作用，具有良好的套用開發前景。