1、隨著計算機(jī)互聯(lián)網(wǎng)的普及和廣泛應(yīng)用，網(wǎng)絡(luò)安全問題已經(jīng)刻不容緩，特別是網(wǎng)絡(luò)入侵問題變得越來越嚴(yán)重。因此，開展網(wǎng)絡(luò)入侵檢測技術(shù)的研究，開發(fā)高效實(shí)用的入侵檢測系統(tǒng)，對計算機(jī)網(wǎng)絡(luò)的發(fā)展與應(yīng)用都具有重要意義。
　　 基于免疫學(xué)的入侵檢測是近幾年來入侵檢測領(lǐng)域研究的熱點(diǎn)。計算機(jī)安全系統(tǒng)與生物免疫系統(tǒng)要解決的問題非常類似，生物免疫系統(tǒng)保護(hù)軀體免受病原體的侵害而計算機(jī)安全系統(tǒng)保護(hù)計算機(jī)免遭入侵。因此，近年來受生物免疫系統(tǒng)的啟發(fā)，國內(nèi)外研究人員從生

2、物原型出發(fā)，抽象出相應(yīng)的仿生機(jī)理，形成一個新的研究領(lǐng)域—人工免疫系統(tǒng)。而一個好的網(wǎng)絡(luò)入侵檢測系統(tǒng)應(yīng)該是自組織的、可擴(kuò)展的和高效的。人工免疫系統(tǒng)所具有的分布性、自組織和輕量級特性正好滿足了網(wǎng)絡(luò)入侵檢測系統(tǒng)的要求，因此人工免疫系統(tǒng)在網(wǎng)絡(luò)入侵檢測中具有很大的優(yōu)勢。
　　 本文就是以此為背景，以人工免疫原理為基礎(chǔ)，對現(xiàn)有的入侵檢測系統(tǒng)和生物免疫系統(tǒng)進(jìn)行研究的基礎(chǔ)上，對基于人工免疫的入侵檢測系統(tǒng)模型進(jìn)行了探討，并對自適應(yīng)性進(jìn)行了細(xì)致、深入

3、的研究。
　　 面對動態(tài)變化、復(fù)雜的網(wǎng)絡(luò)環(huán)境，現(xiàn)有的人工免疫模型因?qū)ψ泽w的變化缺乏自適應(yīng)性而導(dǎo)致高的誤報率和漏報率。為了提高網(wǎng)絡(luò)入侵檢測模型在動態(tài)環(huán)境下的自適應(yīng)性，使模型能更好的應(yīng)對不斷變化的外部環(huán)境，本文引入神經(jīng)網(wǎng)絡(luò)理論，神經(jīng)網(wǎng)絡(luò)可以通過訓(xùn)練，不斷地學(xué)習(xí)、調(diào)整主體的模式，對于一些偶然發(fā)生但仍屬于正常范圍的特征模式也可做出正確反映。從而構(gòu)建出一種具有自適應(yīng)特性的特征輪廓，以適應(yīng)計算機(jī)環(huán)境的千變?nèi)f化。為了建立這樣一個完善而準(zhǔn)確的自

4、體模式庫，本文使用了BP神經(jīng)網(wǎng)絡(luò)對網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行學(xué)習(xí)、訓(xùn)練，使得自體集可以根據(jù)網(wǎng)絡(luò)的運(yùn)行變化，自動更新。
　　 本文深入研究陰性選擇、親和力成熟過程以及免疫記憶機(jī)制等，以現(xiàn)有克隆選擇算法為主體，提出自適應(yīng)變異克隆選擇算法。經(jīng)典克隆選擇算法采用了固定的變異率，無論抗體親和力大小，一律用統(tǒng)一的變異率進(jìn)行變異，這樣有可能造成算法在最優(yōu)解附近時難以收斂，增加了收斂所需的時間。而本文算法針對此問題采用了自適應(yīng)變異算子控制變異概率，使得親和力