基于免疫的计算机病毒动态检测模型

模拟生物免疫系统,提出了一种新的基于免疫的计算机病毒动态检测模型,建立了模型的定量描述,解决了计算机病毒免疫系统中自体、非自体的动态描述问题,有效地减少了自体集合的大小.提出了未成熟检测器动态耐受概念,同时通过基因进化和编码机制,提高了成熟检测器的生成效率,确保了模型较低的错误否定率和错误肯定率,有效地解决了传统计算机免疫系统检测器训练代价随自体数目呈指数增长这一难题.理论分析和实验结果显示该模型相对经典的ARTIS模型具有更好的时间效率和检测能力.     

新的否定选择算法及其在疾病诊断中的应用

针对现有的否定选择算法存在检测率较低,检测器集合过大等问题,提出了一种结合非自体信息和二次移动的实值否定选择算法(NTMV-detector)。该算法基于训练集中的非自体和随机的方法生成候选检测器中心。二次移动的主要思路是:如果候选检测器中心与成熟检测器匹配,把它移出成熟检测器集;然后通过离候选检测器中心最近的两个自体来微调检测器的位置,确定检测器半径。实验证明,该方法可以有效地提高疾病诊断的诊断率,降低误诊率。     

图书馆无线网络中用户身份认证技术研究

为了提高图书馆无线局域网中用户身份认证的质量,提出基于免疫否定选择的身份认证机制.该认证机制基于生物免疫系统T细胞识别自体和非自体的原理,把合法用户的登录请求看作自体,非法用户的登录请求看作非自体,利用否定选择过滤非法用户的登录请求.实验结果表明,该身份认证方法能够承受各种口令攻击,有效过滤非法用户的登录请求,具有广泛的应用前景和推广价值.     

一种采用边界检测器的实值否定选择算法

针对实值否定选择算法中由边界困境问题引发的在自体与非自体区域边界产生漏洞的现象,提出了一种采用边界检测器的实值否定选择算法.该算法在边界上生成具有一定侵略性的边界检测器,通过边界阚值控制的边界检测器不仅能够有效地减少边界上的漏洞,还能探明自体与非自体区域边界.使用人工数据和MIT Darpa 1998离线数据对算法进行了测试,结果表明尽管新方法具有较高的最小误报率,但在误报率相同的情况下,有更高的检测率.     

区域否定选择算法

否定选择算法将单个自体点和其邻近点作为自体区域训练检测器。研究了实值否定算法,定义了连续的自体区域,采用动态聚类法将自体样本点分类到自体区域,训练时根据自体区域半径和与自体区域重心之间的余弦距离做局部训练,并在自体区域内使用可变阈值检测器。实验证明当耐受自体点被当成一个整体使用时能提供更多的信息,可以探测出自体区域边界,使系统效率和检测率得到提高。     

增加检测器覆盖非自体区域的简单方法

免疫启发式否定选择算法应用于数据集中的异常检测。这种检测基于自体/非自体的识别,他的特征是具有通过自体或规则样本信息检测非自体样本的能力。所以,问题空间被分成两个不相交的子空间：一个子空间包含自体样本,另一个子空间包含促使通过否定选择算法生成检测器的样本。因此,否定选择算法的效率与检测器覆盖非自体空间范围成正比。在文章中,提出了一种扩大检测器覆盖范围的简单方法。     

快速否定选择算法的研究与分析

人工免疫算法具有良好的特性,已被广泛应用于入侵检测、信息恢复、敷据挖掘等领域的研究中,否定选择算法是人工免疫算法中的典型算法,但存在重复检查、检测器查找效率低及逐位比较的时间和空间开销大等问题.我们分析否定选择算法中匹配算法的特点,设计自体、检测器和抗原中检测元素的转换算法,提取自体数、检测数和待检数,引入红黑树建立索引.设计基于红黑树的快速否定选择算法,避免反复提取子串和重复比较寻问题,提高检测效率,最后实现了快速否定选择算法的原型系统,测试、比较了否定选择算法和基于红黑树快速否定选择算法的检测效率,洲试结果表明使用基于红黑树快速否定选择算法检测抗原,能有效的减少比较次数,提高检测效率.     

否定选择算法中一种改进的检测器集生成机制

为提高否定选择算法中检测器集的检测率,提出改进的检测器集生成方法。其主要针对检测器在检测边界元素时遇到的困境问题,把自体点和它的临近点一起作为自体区域,处理自体的泛化问题。给出算法的具体实现过程、优势分析,并通过人工合成数据集2DSyntheticData和实际Biomedical数据集对算法进行了验证。实验结果表明,本算法检测率较高,尤其可以有效检测到处于自体与非自体边界处的点,具有一定的优越性。     

应用层异常检测模型

目前的应用层异常检测方法多是针对某一种应用层攻击而设计的,通用性较差。本文基于人体免疫系统T细胞识别自体和非自体的原理,设计了基于否定选择的应用层异常检测通用模型,研究了实现否定选择应用层的关键技术。仿真实验表明,该模型能够有效地检测网络服务器的应用层的异常访问,具有广泛的应用前景和推广价值。     

基于否定选择的身份认证技术

为了提高用户身份认证的有效性,给出了一个集成肯定认证机制和否定认证机制的双层认证模型.首先,基于人体免疫系统T细胞识别自体和非自体的原理,设计了基于否定选择的身份认证机制;接着研究了否定认证机制的关键技术;最后给出双层认证模型的实现细节及性能分析.仿真实验表明,该身份认证模型能够承受各种口令攻击,有效过滤非法用户的登录请求,具有较好的鲁棒性和可用性.     

基于数据挖掘的入侵特征选择与构造的新方法

入侵检测问题实际上是一个分类问题, 特征选择的好坏直接决定了分类模型的性能。针对计算机安全问题是事后于计算机系统设计、没有标准的审计机制和专门的数据格式用于入侵检测分析用途的现状, 讨论了通过扩展数据挖掘基本算法来对分析数据源进行特征选择, 同时比较挖掘出来的正常模式和异常模式, 构造新的特征, 以加强入侵检测准确率和实时性。     

基于免疫和D-S证据理论的计算机病毒检测方法

针对基于特征码的检查方法不能检测出未知病毒和已知病毒的新变种的问题,提出了一种基于免疫原理和D-S证据理论的计算机病毒检测方法。基于对现有计算机病毒免疫系统的深入剖析,提出了一种新的抗原提呈策略;借助基于免疫原理的计算机病毒检测方法输出的抽象层信息,提出了针对病毒检测的融合方法;通过融合不同抗原提呈基因库的检测结果,可提高基于免疫原理的计算机病毒检测方法的检测性能。实验结果表明:该方法对未知病毒具有良好的检测效果,在较低的误报率下获得了较高的检测率。实验验证了所提出方法的有效性,为病毒检测方法研究提供了一种新的思路。     

基于免疫原理的病毒入侵检测研究

为了能够及时检测到计算机中已知和未知类型的病毒,提高计算机的安全性,提出了一种基于免疫原理的病毒入侵检测方法。该方法从人工免疫系统的生物学角度入手,指出了多模态克隆选择算法在计算机病毒检测方面应用的机理,并分析该算法目前存在的问题,创新性地提出了自适应多模态克隆选择算法,实验证明,该算法在很短时间搜索到最优解,对病毒进行准确判断。     

免疫原理在计算机病毒检测中的应用

主要探讨免疫原理在计算机病毒检测中的应用,并实现了一种将否定选择、克隆选择等生物免疫机制应用于传统的基于特征码的计算机病毒检测法.实验表明,该方法具有检测已知病毒和识别病毒的一些未知变种的能力,能够自动提取特征码,并且生成的病毒特征码具有很低的误别率,是一种实用的计算机病毒检测的方法.     

基于四元数显著图和PCNN空洞滤波的足球检测

注意力选择和先验知识可有效的用于目标检测与跟踪。在基于注意力选择目标跟踪模型的基础上,引入了PCNN（Pulse Coupled Neural Network）空洞滤波及足球颜色的先验知识。一方面,针对有些情况下足球模糊不清,采用PCNN空洞滤波检测足球的连通性;另一方面,在注意力选择模型中引入了足球颜色的先验知识,进一步提高检测性能。首先提取球场区域,然后对由足球颜色先验知识、色差和亮度产生的四元数显著图进行PCNN空洞滤波,很多情况下可由此直接检测到足球。如果至此未检测到足球,继续利用四元数显著图生成感兴趣区域,并用足球的面积、圆形度和离心率等特征进一步检测目标,同时采用卡尔曼滤波器预测足球的位置作为补充检测。仿真结果显示,与Dynamic Kalman Filter with Velocity Control^[4]和Real Time Ball Detection Framework^[5]两种方法相比,检测成功率分别提高了11．5％和15．8％。     

新型否定选择算法计算机病毒检测技术的研究与实现

分析传统否定选择算法和计算机病毒检测技术所存在的问题,总结诸多学者在这方面的改进方案和实施方法。根据切割空间的否定选择算法,提出一种应用于二进制生成串检测器的新型切割否定选择算法。     

基于BP神经网络的病毒检测方法

提出了一种基于BP神经网络的病毒检测方法,该方法成功地把BP神经网络的理论引入计算机病毒的检测中。该方法比传统的病毒检测技术更有效地对系统信息和文件系统进行语法分析,快速地诊断出被感染病毒以及病毒类型。     

A fast and effective ellipse detector for embedded vision applications

Several papers addressed ellipse detection as a first step for several computer vision applications, but most of the proposed solutions are too slow to be applied in real time on large images or with limited hardware resources. This paper presents a novel algorithm for fast and effective ellipse detection and demonstrates its superior speed performance on large and challenging datasets. The proposed algorithm relies on an innovative selection strategy of arcs which are candidate to form ellipses and on the use of Hough transform to estimate parameters in a decomposed space. The final aim of this solution is to represent a building block for new generation of smart-phone applications which need fast and accurate ellipse detection also with limited computational resources.     

基于关联规则的未知病毒检测方法研究

随着计算机技术的发展,计算机病毒也层出不穷,严重地危害了计算机世界的安全,当前的病毒检测技术对未知病毒还很难做到事先检测。关联规则挖掘是数据挖掘领域中的重要技术,经研究发现,基于关联规则的未知病毒检测技术,可以实现对未知病毒的分类检测。实验结果表明,采用关联规则构建的未知病毒检测模型,能较好地实现未知病毒检测,具有自适应能力强、智能性好、自动化程度较高等优点,具有一定的应用价值。     

基于进化半监督模糊聚类算法的病毒检测研究

现有的计算机病毒检测技术很难检测出未知病毒,在病毒防御中处于被动.复杂的病毒形式,迫切需要一种具有自学习能力,能主动分类、识别和检测未知病毒的方法.分析现有的病毒检测技术,研究进化半监督模糊聚类算法在病毒检测中的应用,探讨其关键技术,在此基础上给出一种病毒检测模型,并通过计算机仿真进行验证,实验结果表明新的方法对未知病毒检测是有效的.