2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩117頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著信息產(chǎn)業(yè)的飛速發(fā)展,網(wǎng)絡(luò)與信息安全存在的問(wèn)題也越來(lái)越多。作為一種積極主動(dòng)的網(wǎng)絡(luò)安全技術(shù),入侵檢測(cè)的研究越來(lái)越受到廣大學(xué)者的重視。而生物免疫系統(tǒng)所具有的自適應(yīng)性、魯棒性和自組織性等優(yōu)良特性,可以很好地應(yīng)用于入侵檢測(cè)技術(shù)。基于生物免疫機(jī)制的入侵檢測(cè)技術(shù)已經(jīng)成為當(dāng)前的一個(gè)研究熱點(diǎn)。其中的自體集合和檢測(cè)器集合作為系統(tǒng)檢測(cè)模塊的重要組成部分,對(duì)于系統(tǒng)的檢測(cè)性能有著極其重要的作用,需要深入研究。本文就以自體集合和檢測(cè)器集合為研究對(duì)象,圍繞自體篩

2、選與更新、檢測(cè)器集合優(yōu)化、自體與檢測(cè)器集合學(xué)習(xí)機(jī)制等問(wèn)題展開(kāi)研究。
   作為訓(xùn)練生成檢測(cè)器的重要基礎(chǔ),自體集合本身存在許多不足,特別是在實(shí)值空間,比如多分區(qū)、邊界交叉、自體樣本重疊等,他們會(huì)造成邊界黑洞、生成代價(jià)過(guò)高等檢測(cè)器問(wèn)題。為了解決以上問(wèn)題,借鑒模糊聚類(lèi)方法和概率統(tǒng)計(jì)中的高斯理論,提出一種自體集合優(yōu)化算法,通過(guò)計(jì)算自體樣本間的親和力,用模糊聚類(lèi)算法分化自體集合,并在各個(gè)分區(qū)內(nèi)利用高斯理論處理噪聲和高重疊。通過(guò)實(shí)驗(yàn)驗(yàn)證,該

3、算法可以有效地解決自體集合存在的問(wèn)題,從而提高生成檢測(cè)器的效率。
   自體集合是由正常數(shù)據(jù)的經(jīng)驗(yàn)值構(gòu)成的。由于環(huán)境在隨時(shí)間變化而變化,過(guò)去的正常數(shù)據(jù)可能已經(jīng)不能反映當(dāng)前的真實(shí)情況,從而影響檢測(cè)器的訓(xùn)練生成效果。針對(duì)這一問(wèn)題,借鑒免疫監(jiān)督機(jī)制、免疫反饋原理等,提出一種自體集合實(shí)時(shí)更新算法,該算法包含多個(gè)處理模塊、輔助集合來(lái)處理不同情況下的自體操作及協(xié)同實(shí)時(shí)更新,從而有效地保證自體集合實(shí)時(shí)有效地反映真實(shí)環(huán)境。通過(guò)實(shí)驗(yàn)驗(yàn)證,算法可以

4、很好地實(shí)現(xiàn)預(yù)期的目標(biāo),為檢測(cè)器的訓(xùn)練和生成打下一個(gè)堅(jiān)實(shí)的基礎(chǔ)。
   以基于免疫機(jī)制的入侵檢測(cè)中的檢測(cè)器為研究對(duì)象,針對(duì)其在實(shí)值空間下的黑洞、檢測(cè)器重疊等問(wèn)題,借鑒生物免疫系統(tǒng)調(diào)節(jié)機(jī)制,提出一種檢測(cè)器集合優(yōu)化算法,通過(guò)比較檢測(cè)器間的親和力,判斷檢測(cè)器的優(yōu)良程度,并利用子代替代效果較差的個(gè)體來(lái)改善檢測(cè)器的分布性能。通過(guò)實(shí)驗(yàn)測(cè)試,經(jīng)優(yōu)化后的檢測(cè)器集合對(duì)非自體空間的覆蓋率有了顯著提高,有效地提高了檢測(cè)器的檢測(cè)性能。
   檢測(cè)

5、器集合的動(dòng)態(tài)更新對(duì)系統(tǒng)的檢測(cè)性能起著關(guān)鍵作用。受到生物免疫系統(tǒng)中自體與免疫細(xì)胞隨環(huán)境和時(shí)間不斷變化更新的啟發(fā),借鑒生物工程領(lǐng)域的疫苗技術(shù),提出一種檢測(cè)器集合自適應(yīng)學(xué)習(xí)算法,設(shè)計(jì)多個(gè)檢測(cè)器學(xué)習(xí)模塊,從而使得檢測(cè)器可以隨環(huán)境的變化而不斷地學(xué)習(xí)新知識(shí),實(shí)現(xiàn)了進(jìn)化過(guò)程的自適應(yīng)。通過(guò)實(shí)驗(yàn)證實(shí),該算法可以有效地使檢測(cè)器集合時(shí)刻保持對(duì)環(huán)境的認(rèn)識(shí),保持良好的檢測(cè)性能。
   本文主要研究基于免疫機(jī)制的入侵檢測(cè)系統(tǒng)中的自體集合與檢測(cè)器集合這兩個(gè)系

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論