Ta上传的资源 (0)

随着网络系统应用及复杂性的增加,网络蠕虫成为网络系统安全的重要威胁.在网络环境下,多样化的传 播途径和复杂的应用环境使网络蠕虫的发生频率增高、潜伏性变强、覆盖面更广,网络蠕虫成为恶意代码研究中的 首要课题.首先综合论述网络蠕虫的研究概况,然后剖析网络蠕虫的基本定义、功能结构和工作原理,讨论网络蠕虫

:针对阴性选择免疫算法中字符串空间收敛效果差以及运行成本高的缺点,依据Forrest阴 性选择算法提出了一种新的改进算法。该算法基于模式概念建立检测器库,检测器库存储了所有 与自体不匹配的字符串个数,使得所占用的空间比所有与自体不匹配的字符串所占用的空间显 著减少。采用了一种新的检测失败率算法公式,

本文评述人工免疫系统的历史、研究现状和进一步发展的方向. 着重论述人工免疫系统的机理、算法和 应用,总结了免疫算法的一般步骤,比较了其与神经网络、进化计算以及一般确定性优化算法的异同. 在总结人工免疫 系统存在问题的基础上,探讨了进一步研究的方向

提出了一种基于球形检测器的改进型入侵检测算法,并对其有效性进行了实验验证.为提高self和non2self之间界线划分的精确度,提出了可变半径self球体模型,在训练检测器过程中,加入对self集合数据点分布特性的考虑.模型在高斯分布的基础上估计数据点的分布密度,并据此计算各训练点相应的球体半径.实

　提出了一种基于免疫原理的故障检测及诊断系统模型.通过对检测对象正常工作状态下获得的自己模式串的阴性选择,随机产生初始检测器;利用基于人工免疫的进化学习机制,实现对检测对象异常工作状态下获得的非己模式串进行学习和记忆;

提出一种基于抗体片段局部最优搜索的克隆选择和蚁群自适应融合算法.引入混沌扰动来增加抗体种群的多样性,以提高蚁群算法的搜索能力;利用克隆扩增、免疫基因等相关算子的操作,增强了克隆选择算法搜索的效率;通过自适应控制参数,实现了克隆选择与蚁群优化的有机结合及局部最优搜索策略的应用,加快了收敛速度,克服了抗