基于人工免疫的网络安全态势评估模型

本文将人工免疫原理应用到网络安全态势评估的研究中.通过对入侵检测模型中有关自体、非自体、抗原的形式化描述,建立了抗体细胞的演化机制、动态免疫记忆、免疫监视等免疫机制.依据人体免疫系统抗体浓度的变化与病原体入侵强度的对应关系,建立了网络安全态势实时定量计算模型.     

新型的使用访问控制模型

对传统访问控制模型进行了扩展，提出了一种新的访问控制模型——使用控制模型UCON(usage control)。这种模型包含授权、证书和条件组成成分，能解决作为访问结果而对主体客体属性进行更新的问题，以及在访问过程中对访问权限延续和即时回收的问题。同时对该模型的核心模型进行了形式化描述和定义。     

一种数据自毁方法*

为了解决数据在失控状态下的安全问题,提出了一种数据自毁方法。该方法定时对数据进行失控检测,一旦发现数据失控,立即将其彻底擦除,使其不可恢复,防止数据泄密。整个过程无须人工干预,耗费时间短。理论分析和实验结果表明该方法是数据保护的一种有效的新途径。     

一种基于免疫的监督式分类算法

人工免疫识别系统(AIRS)已被证实为一种高效的分类器,并成功应用于模式识别等领域.然而AIRS存在的记忆细胞数目庞大、分类准确率低等缺陷,限制了进一步的应用.为克服这些缺陷,提出了一种基于免疫的监督式分类算法(AIUC).AIUC首先初始化记忆细胞;然后通过对每一个训练抗原的学习,进行B细胞进化,在B细胞收敛后,优选出最佳的B细胞对记忆细胞进行更新;最后通过记忆细胞对测试数据进行kNN分类.就数据集Iris、Ionosphere、Diabetes和Sonar分别进行的对比实验结果表明,AIUC比AIRS记忆细胞分别减小了5.6%、18%、19.6%和31%,分类准确率提高到98.2%、96.9%、78.3%和92.3%.该算法具有非线性,以及克隆选择、免疫网络和免疫记忆等生物免疫系统特征,可更好地应用于模式识别、异常检测等领域.     

使用控制访问模型的研究*

分析了现今高度动态和分布式环境下,传统的访问控制模型已不能满足信息访问的需要,并由此引出了下一代访问控制模型--使用控制模型(usage control,UCON).将UCON与传统访问控制模型进行了比较,分析了UCON的定义及组成成分,给出了UCON的16种基本核心模型形式化描述及应用实例,分析了UCON的具体实现框架,最后指出了目前研究的难点和需要解决的关键问题.     

一种基于免疫的监督式分类算法

人工免疫识别系统（AIRS）已被证实为一种高效的分类器,并成功应用于模式识别等领域。然而AJRS存在的记忆细胞数目庞大、分类准确率低等缺陷,限制了进一步的应用。为克服这些缺陷,提出了一种基于免疫的监督式分类算法（AIUC）。AIUC首先初始化记忆细胞;然后通过对每一个训练抗原的学习,进行B细胞进化,在B细胞收敛后,优选出最佳的B细胞对记忆细胞进行更新;最后通过记忆细胞对测试数据进行kNN分类。就数据集I-ris、Ionosphere,、Diabetes和Sonar分别进行的对比实验结果表明,AIUC比AIRS记忆细胞分别减小了5．6％、18％、19．6％和31％,分类准确率提高到98．2％、96．9％、78．3％和92．3％。该算法具有非线性,以及克隆选择、免疫网络和免疫记忆等生物免疫系统特征,可更好地应用于模式识别、异常检测等领域。     

数据ETL过程中的实体识别方法

实体识别是根据记录所包含的各种描述信息来确定与之相对应的现实实体，记录的相似匹配是数据集成中最具挑战的工作。分析了常见实体识别算法，提出了实体识别过程框架，用以实现数据ETL的数据规约功能。在开发的实现语义数据集成的联通统一客户资料系统(UCIS)中，用实体识别算法进行测试，得到的平均返回率和精度分别为86．3％、96．5％，能够满足工程应用的要求。     

数据ETL过程中的实体识别方法

实体识别是根据记录所包含的各种描述信息来确定与之相对应的现实实体，记录的相似匹配是数据集成中最具挑战的工作。分析了常见实体识别算法，提出了实体识别过程框架，用以实现数据ETL的数据规约功能。在开发的实现了语义数据集成的联通统一客户资料系统(UCIS)中，用实体识别算法进行测试，得到的平均返回率和精度分别为86．3％，96．5％，能够满足工程应用的要求。     

基于免疫网络的无监督式分类算法

基于免疫网络原理,提出了一种新的无监督式分类算法。首先基于形态空间理论给出了抗体、抗原和免疫网络的形式化定义,建立了抗体克隆选择、高频变异以及免疫记忆的动态模型和相应的数学方程,最后给出了分类过程。实验表明该算法的分类精度要高于其它传统的聚类算法,并具有很好的持续学习、动态调节、特性记忆等特性。如果把抗体视为某种既定模式,合理地调整抗原集合,则该模型具有广泛的用途。     

基于家族基因的网络身份认证模型

为克服传统网络身份认证方法安全性不高、效率低等不足,受人类自然信任原理启发,提出了一种基于家族基因的身份认证模型(FBNA).给出了模型中网络家族、家族成员及成员基因等定义,建立了基因指派、基因签名等仿生机制,描述了网络家族构造、基因证书生成,以及基于家族基因的身份认证等算法.解决了静态口令认证安全性差、动态口令认证复杂等问题,同时克服了数字证书认证计算量大、证书主体信息不明确等缺陷.理论分析和实验结果表明该方法是鉴别网络实体身份的一种有效新途径.