论文部分内容阅读
计算机病毒对计算机安全和网络安全构成极大的威胁,随着变形病毒在网络上的飞速蔓延,传统防御病毒的手段和工具显示出越来越多的缺陷。其中最关键的问题是传统方法无法准确检测病毒特别是新的变形病毒。借鉴生物免疫系统高度并行、高度准确地识别非自体细胞的特性,可以建立一个基于人工免疫理论的病毒检测系统,通过检测器动态克隆选择、遗传变异等手段确保系统能够识别新的病毒,具有良好的自适应性、自稳定性和鲁棒性。研究人工免疫系统,不仅对计算机病毒防治、网络安全等具有重要的实用价值,对人工智能研究也具有深远的理论价值。基于动态克隆选择算法,本文建立了一个用于病毒检测的人工免疫模型AISVDM(Virus Detection Model base-on Artificial Immune System),构造了动态的免疫细胞,定义了免疫细胞产生、成长、进化、变异、死亡的生命过程,实现了每一个阶段的免疫机理。该模型不仅能够识别检测器库中定义的病毒,也能够识别变形病毒,克服了传统病毒防治工具的缺陷。本文通过实验仿真,验证了该系统良好的动态性和自适应性,取得了较好的效果。具体来说,本文的成果如下:提出并实现了AISVDM模型,该模型设计了记忆检测器,能够实现二次应答;设计检测器的生命周期,实现系统的动态性和自适应性;设计了检测器的遗传变异,实现了检测器的多样性,确保系统具有良好的自稳性和鲁棒性。 设计并实现了自体和非自体。自体是79个有代表性的正常的可执行文件组成的集合,这些文件很容易被病毒感染,非自体是由48种病毒特征码组成,这些病毒特征码经过变异,就是新的变形病毒。变形病毒是考验系统自适<WP=3>应性的重要方面。设计并构造了免疫细胞。实验中,检测器就是免疫细胞,系统能够动态产生检测器,经历自体耐受过程,检测器可以成长为具有免疫功能的成年检测器,检测器可以经历变异成功识别新的变形病毒。设计并实现动态克隆选择原理,依据该原理,检测器在抗原的协同刺激下可以经过可控变异,能够迅速识别同一家族的病毒,也可以经过随机变异识别不同家族的新病毒。设计并实现了免疫学习过程。该过程使初始产生的系统具有一定免疫功能,为免疫系统的进化提供了一个基础条件。