求解入侵检测问题的量子免疫算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (11): 98-101.

求解入侵检测问题的量子免疫算法

赵丽，李智勇，陈冬，王永

湖南大学计算机与通信学院，长沙 410082

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-11 发布日期:2011-04-11

Quantum-inspired immune algorithm for intrusion detection problem

ZHAO Li，LI Zhiyong，CHEN Dong，WANG Yong

College of Computer and Communication，Hunan University，Changsha 410082，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-11 Published:2011-04-11

摘要/Abstract

摘要： 将量子算法应用于入侵检测的检测器生成过程，提出了一种基于量子免疫原理的检测器生成算法来求解入侵检测问题。算法的基本思想是通过学习自体模式，训练出具有多样性高的抗体，然后用于真实数据的检测。采用kddcup99数据进行仿真实验，用5 000条正常网络连接训练抗体集，将所有攻击数据分类和部分正常数据一起对QIDA的性能做全面测试，仿真结果表明该算法比其他方法更加有效。

关键词: 量子算法, 免疫原理, 入侵检测, 抗体集

Abstract: This paper proposes a new detector generating algorithm，called a Quantum-Immune-inspired Detecting Algorithm（QIDA），which is based on the concept and principles of quantum computing，to deal with intrusion detection problem.The basic idea of the algorithm is to train a high diversity of antibody through self-learning mode firstly，then for real network data detection.All the training and testing datasets are based on the kddcup99 intrusion evaluation data sets.The simulation results show that the new algorithm is more efficient than other methods.

Key words: quantum algorithm, immune principle, intrusion detection, antibody set

赵丽，李智勇，陈冬，王永. 求解入侵检测问题的量子免疫算法[J]. 计算机工程与应用, 2011, 47(11): 98-101.

ZHAO Li，LI Zhiyong，CHEN Dong，WANG Yong. Quantum-inspired immune algorithm for intrusion detection problem[J]. Computer Engineering and Applications, 2011, 47(11): 98-101.

[1]	王振东，张林，李大海. 基于机器学习的物联网入侵检测系统综述[J]. 计算机工程与应用, 2021, 57(4): 18-27.
[2]	曹磊，李占斌，杨永胜，赵龙飞. 基于双层注意力神经网络的入侵检测方法[J]. 计算机工程与应用, 2021, 57(19): 142-149.
[3]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[4]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[5]	黎佳玥，赵波，李想，刘会，刘一凡，邹建文. 基于深度学习的网络流量异常预测方法[J]. 计算机工程与应用, 2020, 56(6): 39-50.
[6]	陈虹，王闰婷，肖成龙，郭鹏飞，黄洁，陈红霖. 基于DBN-XGBDT的入侵检测模型研究[J]. 计算机工程与应用, 2020, 56(22): 83-91.
[7]	狄冲，李桐. 网络未知攻击检测的深度学习方法[J]. 计算机工程与应用, 2020, 56(22): 109-116.
[8]	汪盼，宋雪桦，王昌达，陈锋，徐夏强，蔡冠宇. 基于改进的深度信念网络的入侵检测方法[J]. 计算机工程与应用, 2020, 56(20): 87-92.
[9]	陈虹，赵建智，肖成龙，陈建虎，肖越. 改进ADASYN-SDA的入侵检测模型研究[J]. 计算机工程与应用, 2020, 56(2): 97-105.
[10]	杨彦荣，宋荣杰，周兆永. 基于GAN-PSO-ELM的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(12): 66-72.
[11]	吴德鹏，柳毅. 基于可变网络结构自组织映射的入侵检测模型[J]. 计算机工程与应用, 2020, 56(12): 81-86.
[12]	刘月峰1，王成1，张亚斌1，苑江浩2. 用于网络入侵检测的多尺度卷积CNN模型[J]. 计算机工程与应用, 2019, 55(3): 90-95.
[13]	蒋欣兰，贾文博. 高铁接触网异物侵入的机器视觉检测方法[J]. 计算机工程与应用, 2019, 55(22): 250-257.
[14]	马占飞1，杨晋2，金溢2，边琦3. 基于IQPSO-IDE算法的网络入侵检测方法[J]. 计算机工程与应用, 2019, 55(10): 115-120.
[15]	刘海燕，张钰，毕建权，邢萌. 基于分布式及协同式网络入侵检测技术综述[J]. 计算机工程与应用, 2018, 54(8): 1-6.