本论文研究的是基于记忆原理的随机入侵检测系统研究。计算机的应用越来越广泛,因特网已经成为人们生活中不可缺少的一部分。网络安全自然也越来越受到重视。建立一种行之有效的入侵检测系统将成为未来需要解决的一个重大问题。论文首先讨论了因特网所存在的问题,分析了入侵检测分析所应采取的途径。然后特别详细的分析了生物记忆原理与隐马尔可夫、蚁群算法、免疫原理的结合问题。以生物记忆原理和隐马尔可夫模型为基础建立了一种分析到最终的入侵检测的各个过程。本文围绕记忆原理在入侵检测当中如何应用这一主线对记忆原理如何与HMM模型相结合来解决随机入侵检测问题进行深入研究:文中首先分析了HMM应用在异常入侵检测方面的优势,在考虑记忆原理在入侵检测方面的优点后建立基于记忆原理的HMM入侵检测模型,利用隐马尔可夫的特点来处理网络中的异常特征从而形成异常特征码的瞬时权重,随后的记忆模型通过对瞬时权重的更新完成了整个记忆原理的记忆与遗忘的过程。运用蚁群算法中控制信息素的方法来模拟人脑的记忆过程,提出记忆素的概念通过对记忆素的增加和减少来合理解释记忆与遗忘的过程,通过对算法的合理修改考虑了在异常特征权重对记忆素的影响后形成了新的记忆算法来完成记忆与遗忘过程,实例证明算法能够实现记忆与遗忘过程。在瞬时权重的形成与更新以及记忆素、协同刺激间关系等问题上进行研究发现,利用记忆素的变化来产生不同的协同刺激,从而使得记忆原理与免疫原理很好的相结合,完成免疫原理动态记忆的过程,很好的利用了免疫原理成熟的优势使得记忆原理的有了更进一步的发展。实例证明该模型能够解决实际问题。经过三次使用,记忆原理与HMM、蚁群算法、免疫原理结合的理论已被证明是完全正确的,随后本文将这一理论应用到随机入侵检测问题上,实例证明算法可以很好的应用与入侵检测当中,而且也可以很好的体现记忆原理。综上所述,本文的研究深化了记忆原理在随机入侵检测理论,从而扩大了记忆原理在入侵检测方面的应用范围。借助本文人们可以全面且深入的了解基于记忆原理的随机入侵检测系统的研究理论与应用情况。