基于人工免疫的分布式入侵检测模型

doi:10.11772/j.issn.1001-9081.2014.01.0086

计算机应用 ›› 2014, Vol. 34 ›› Issue (1): 86-89.DOI: 10.11772/j.issn.1001-9081.2014.01.0086

基于人工免疫的分布式入侵检测模型

程建,张明清,刘小虎,范涛

信息工程大学密码工程学院,郑州 450001

收稿日期:2013-07-08 修回日期:2013-09-01 出版日期:2014-01-01 发布日期:2014-02-14
通讯作者: 程建
作者简介:程建(1990-),男,河南安阳人,硕士研究生,CCF会员,主要研究方向:基于人工免疫的入侵检测及其建模仿真;张明清(1961-),男,湖北孝感人,副教授,主要研究方向:系统建模与仿真;刘小虎(1989-),男,河南太康人,硕士研究生,主要研究方向:网络安全建模仿真;范涛(1990-),男,安徽安庆人,硕士研究生,主要研究方向:网络安全信任机制建模仿真。

Distributed intrusion detection model based on artificial immune

CHENG Jian,ZHANG Mingqing,LIU Xiaohu,FAN Tao

Institute of Cipher Engineering, Information Engineering University, Zhengzhou Henan 450001, China

Received:2013-07-08 Revised:2013-09-01 Online:2014-01-01 Published:2014-02-14
Contact: CHENG Jian

摘要/Abstract

摘要： 针对现有分布式入侵检测系统交互流量大、单点失效及检测效率偏低的问题,基于人工免疫理论建立了一种新的分布式入侵检测模型,并提出了一种中心检测器配置及使用方法,并将异常检测与误用检测相结合。基于OMNeT+〖KG-*3〗+网络仿真平台设计了仿真模型,进行了仿真实验。仿真实验结果表明,改进模型交互流量明显减小,检测效率明显提高并有效解决了单点失效问题。仿真结果证明了改进模型的正确性与有效性。

关键词: 入侵检测, 分布式, 人工免疫系统, 阴性选择, 分布式拒绝服务攻击

Abstract: Concerning the problem of excessive interaction flow, single point failure and low detection efficiency in existing Distributed Intrusion Detection System (DIDS), a new distributed intrusion detection model based on artificial immune theory was proposed. The new distributed intrusion detection model presented a central detector configuration and method of use and combined misuse detection and anomaly detection. The simulation model was designed based on OMNeT+〖KG-*3〗+ network simulation platform and experiments were run. According to the simulation results, the model overcomes excessive interaction flow problem of the fully distributed system, solves the problem of single point failure and improves the detection efficiency effectively. The simulation results verify the validity and effectiveness of the improved model.

Key words: intrusion detection, distributed, Artificial Immune System (AIS), negative selection, Distributed Denial of Service (DDoS)

中图分类号:

TP393.0

程建张明清刘小虎范涛. 基于人工免疫的分布式入侵检测模型[J]. 计算机应用, 2014, 34(1): 86-89.

CHENG Jian ZHANG Mingqing LIU Xiaohu FAN Tao. Distributed intrusion detection model based on artificial immune[J]. Journal of Computer Applications, 2014, 34(1): 86-89.

[1]	王周恺, 张炯, 马维纲, 王怀军. 面向高速列车监测数据的并行解压缩算法[J]. 计算机应用, 2021, 41(9): 2586-2593.
[2]	张师鹏, 李永忠, 杜祥通. 基于半监督学习和三支决策的入侵检测模型[J]. 计算机应用, 2021, 41(9): 2602-2608.
[3]	赵全, 汤小春, 朱紫钰, 毛安琪, 李战怀. 大规模短时间任务的低延迟集群调度框架[J]. 计算机应用, 2021, 41(8): 2396-2405.
[4]	卿欣艺, 陈玉玲, 周正强, 涂园超, 李涛. 基于中国剩余定理的区块链存储扩展模型[J]. 计算机应用, 2021, 41(7): 1977-1982.
[5]	王月, 江逸茗, 兰巨龙. 基于改进三元组网络和K近邻算法的入侵检测[J]. 计算机应用, 2021, 41(7): 1996-2002.
[6]	尹春勇, 张帼杰. 面向分布式漂移数据流的集成分类模型[J]. 计算机应用, 2021, 41(7): 1947-1955.
[7]	王垚, 孙国梓. 基于聚类和实例硬度的入侵检测过采样方法[J]. 计算机应用, 2021, 41(6): 1709-1714.
[8]	王家瑞, 谭国平, 周思源. 高速车联网场景下分簇式无线联邦学习算法[J]. 计算机应用, 2021, 41(6): 1546-1550.
[9]	张全龙, 王怀彬. 基于膨胀卷积和门控循环单元组合的入侵检测模型[J]. 计算机应用, 2021, 41(5): 1372-1377.
[10]	任晓奎, 刘鹏飞, 陶志勇, 刘影, 白立春. 基于单快拍信号到达角估计算法的室内入侵检测[J]. 计算机应用, 2021, 41(4): 1153-1159.
[11]	崔双双, 王宏志. 基于日志结构合并树的轻量级分布式索引实现方法[J]. 计算机应用, 2021, 41(3): 630-635.
[12]	王鹏, 李艳雯, 杨迪, 杨华民. 基于层级控制的宏观基本图交通信号控制模型[J]. 计算机应用, 2021, 41(2): 571-576.
[13]	苟子安, 张晓, 吴东南, 王艳秋. 分布式存储系统中的日志分析与负载特征提取[J]. 计算机应用, 2020, 40(9): 2586-2593.
[14]	王波, 任英琦, 黄冬艳. H-Algorand:基于多块输出的公有链共识机制[J]. 计算机应用, 2020, 40(7): 2150-2154.
[15]	程小辉, 牛童, 汪彦君. 基于序列模型的无线传感网入侵检测系统[J]. 计算机应用, 2020, 40(6): 1680-1684.

基于人工免疫的分布式入侵检测模型

Distributed intrusion detection model based on artificial immune

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics