文献类型：期刊文章

作　　者：贾琳[1] 杨超[1,2,3] 宋玲玲[1] 程镇[1] 李琲珺[1]

JIA Lin;YANG Chao;SONG Ling-ling;CHENG Zhen;LI Bei-jun(School of Computer and Information Engineering,Hubei University,Wuhan 430062,China;Hubei Provincial Education Information Engineering Technology Research Center,Wuhan 430062,China;Hubei Key Laboratory of Applied Mathematics,School of Mathematics and Statistics,Hubei University,Wuhan 430062,China)

机构地区：[1]湖北大学计算机与信息工程学院,武汉430062 [2]湖北省教育信息化工程技术研究中心,武汉430062 [3]湖北大学数学与统计学学院应用数学湖北省重点实验室,武汉430062

出　　处：《计算机科学》

基　　金：国家自然科学基金(61977021);应用数学湖北省重点实验室开放基金资助项目(HBAM201902)。

年　　份：2021

卷　　号：48

期　　号：6

起止页码：324-331

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：否定选择算法(Negative Selection Algorithm, NSA)作为人工免疫系统的典型算法被广泛应用于入侵检测中。针对传统否定选择算法在处理入侵检测问题时出现的准确率低、误报率高以及检测器集合冗余度高等问题,提出了一种改进的否定选择算法并将其应用到入侵检测中。其主要思想是:首先通过密度峰值聚类算法对非自体抗原进行聚类,生成一类已知检测器,该检测器可检测已知入侵行为;然后定义异常点并将其优先作为候选检测器中心,计算和生成未知检测器,该检测器可检测未知入侵行为,以此降低检测器生成的随机性。在实验阶段,选择准确率(Accuracy, AC)和误报率(False Alarm, FA)作为评价指标。分别在KDDCUP99和CSE-CIC-IDS2018数据集上进行了仿真实验,实验结果表明,所提算法在这两种数据集上均有较低的误报率和较高的准确率,这验证了其具有较好的检测效果。

关 键 词：人工免疫 入侵检测 否定选择  密度聚类 检测器

分 类 号：TP309] TP393[计算机类]