论文部分内容阅读
无线传感器网络现已经被广泛应用到各行各业,然而其也面临着各类的安全挑战。入侵检测系统是一种重要的安全手段,能够保护其免受攻击,但是其与传统的网络在组织结构等方面存在不同,其入侵检测技术更具挑战性,因此,具有重要的科学研究意义。 本文应用人工免疫思想,提出了一种基于免疫危险理论的分层分布式协作入侵检测系统,该模型以免疫危险理论为中心思想,构建一个自适应免疫与固有免疫结合的免疫入侵检测系统。同时,针对现有人工免疫算法存在的问题,提出了三种改进算法: 第一,基于 DS-DCA的无线传感器网络入侵检测方案。该方案基于危险理论DCA算法的特点,在无线传感器网络中构造一个分层分布式协作的入侵检测模型,通过分层协作的方式进行全局入侵检测操作。此外,针对危险理论DCA算法存在的不足,提出一种基于证据理论的改进DCA算法,提高了检测性能及灵活性。 第二,研究免疫学理论适应性免疫系统中否定选择算法。针对NSA算法中存在的黑洞问题、检测器重叠严重、分布不均匀、检测器数量庞大等问题给无线传感器网络入侵检测带来的压力,提出了一种基于差分进化约束多目标优化的否定选择算法,优化检测器效用,提高了入侵检测的性能,特别是其抗击欺骗性攻击的能力。 第三,基于自我集合优化的免疫算法及WSN入侵检测。针对传统NSA算法在检测器训练过程中忽略自我样本集合质量对训练检测器的影响的问题,提出一种基于自我样本亲和力密度的自我集合优化算法,通过样本亲和力密度调整其半径,使得其阈值半径设置更加合理,提高了训练效率。