基于树突状细胞理论的入侵检测模型研究.pdfVIP

58 计算机技术与应用进展2013 基于树突状细胞理论的入侵检测模型研究幸 李露璐朱晓妹李超建 玉林师范学院计算机科学与工程学院，广西玉林537000 摘要：人工免疫入侵检测是当前主流的入侵检测技术之一，而危险理论中树突状细胞入侵检测方法 是人工免疫研究的最新成果。建立危险理论树突状细胞入侵检测模型的关键是要解决危险信号的定义 和表示，本文在免疫危险理论和树突状细胞理论基础上，使用多分类器算法来动态提取危险信号，设 测数据．对构建的MC．DCA入侵检测仿真模型和传统AIS模型、DT模型的进行对比仿真实验，实验 结果表明MC．DCA有更好的入侵检测识别能力。 关键词：入侵检测系统危险理论DCA 1引 言 基于“自我．非我”模型的免疫入侵检测系统可以报警任何攻击行为，对某些非入侵性质的误用行为也会 发出警报信息，这导致系统中将产生海量报警信息，反而忽略真正对系统产生勉害的入侵攻击行为。因此， 在免疫入侵检测模型中需要解决如下关键问题：中央服务器数据量过大，如何提高系统训练的效率；危险 信号定义精确，容易对系统是否真的危险判断失误；入侵者完成一次攻击通常要通过若干个步骤来实现， 如何提取有效事件并进行关联分析uJ。 basedon DT．IDS(IntrusionDetection System DangerTheory，危险理论入侵检测系统)是对基于形态空 间模型和生物免疫危险理论建立的入侵行为检测系统，是近几年发展起来的新一代入侵检测技术。免疫系 统的工作原理是：首先使用阴性选择算法模拟抗原细胞耐受，再使用克隆算法对采集到的关键信息序列进行 分析，并对它们进行系统的训练，系统以计算所得抗原抗体亲和力来区分虚拟环境下的抗原序列是“自我”， 还是“非我”，在“非我”时如果有危险信号即触发免疫应答，或者对于存储于记忆细胞匹配的抗原则不需要危 险信号协同刺激，系统会直接触发免疫应答冈。由此可知，建立危险理论入侵检测模型的关键是对危险信号 的定义与抽象。 达方式，使用特征值分类弱算法【3】，建立危险信号的评估体系，对基于包头信息的网络入侵包进行检测，动 态提取危险信号，提高入侵检测系统的识别能力。 2基于多分类器弱算法的MC．DCA入侵检测模型 2．1免疫危险理论 基于危险理论的人工免疫算法认为免疫系统只识别是否存在危险信号(DangerSignal)，而并不能识别 “自我．非我”。系统对危险信号提呈抗原，产生免疫应答，而在没有危险信号存在时对抗原产生耐受，具体 流程如图1所示。 2．2树突轶细胞理论 0832101)，玉林师范学院专项研究项目(2012YJZX04)． 作者简介：李露璐(1981-)，女，广西壮族自治区玉林市容县人，汉族，硕士，讲师，玉林师范学院． 基于树突状细胞理论的入侵检测模型研究 59 DC，ngc)，半成熟状态 Cell，DC)有未成熟状态(immature 生物免疫系统中树突状细胞(Dendritic Dendritic fsemi．mature Cell，MDC)三种状态【4】【51，通过此三种状态转变来定义 DC，oc)，成熟状态(mature 环境是否“安全”。 纲艇嚣露藏亡 藏羧信号(SignalO) 发出挺4a藐菝编写 l{l据簸猃稿蛩纳强溺确 SignalI 定踅豌K葳