免疫Agent和量子粒子群优化的入侵检测方法研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (1): 102-104.

免疫Agent和量子粒子群优化的入侵检测方法研究

李正洁，李永忠，徐磊

江苏科技大学计算机科学与工程学院，江苏镇江 212003

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-01 发布日期:2012-01-01

Research of intrusion detection method based on particle swarm optimization and immune Agent

LI Zhengjie, LI Yongzhong, XU Lei

School of Computer Science and Engineering, Jiangsu University of Science and Technology, Zhenjiang, Jiangsu 212003, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-01 Published:2012-01-01

摘要/Abstract

摘要： 针对传统入侵检测系统检测速度慢和误检率高的问题，将免疫原理、移动Agent技术和量子粒子群优化算法相结合，提出了基于免疫Agent和粒子群优化算法的入侵检测模型。介绍了系统模型与体系结构，并对系统性能进行仿真实验。实验结果对比表明，系统能提高传统入侵检测系统的检测速度和降低误检率。

关键词: 免疫原理, 移动Agent, 量子粒子群, 入侵检测

Abstract: Aiming at low detecting speed and high false positive rate of traditional intrusion detection system, immune principle, mobile Agent and quantum-behaved particle swarm optimization are combined. An intrusion detection model based on immune Agent and particle swarm optimization is proposed. System model and systematic construction are introduced, and system performance is tested. The experiment results indicate that the system can improve the low detecting speed and high false positive rate of traditional intrusion detection system.

Key words: immune principle, mobile Agent, quantum-behaved particle swarm optimization, intrusion detection

李正洁，李永忠，徐磊. 免疫Agent和量子粒子群优化的入侵检测方法研究[J]. 计算机工程与应用, 2012, 48(1): 102-104.

LI Zhengjie, LI Yongzhong, XU Lei. Research of intrusion detection method based on particle swarm optimization and immune Agent[J]. Computer Engineering and Applications, 2012, 48(1): 102-104.

[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]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.