一种改进的入侵检测DCA算法

一种改进的入侵检测DCA算法*

雷石花，丁雷，李建锋，曾水玲

(吉首大学信息科学与工程学院，湖南 吉首 416000)

摘要：考虑到迁移阈值的设置直接影响DCA算法在网络入侵检测中的性能，提出一种改进的迁移阈值选择方法，来提高DCA算法的性能.根据现实网络行为的连续性，利用粒子群算法获得最优迁移阈值，并将其作为网络数据分析的迁移阈值.仿真结果表明，改进的DCA算法能够在一定程度上提高入侵检测的精度.

关键词：迁移阈值；DCA；粒子群算法；入侵检测

文章编号：1007-2985(2015)06-0027-03

中图分类号：TP393文献标志码：A

DOI:10.3969/j.cnki.jdxb.2015.06.007

收稿日期：*2015-07-26

基金项目：国家自然科学基金资助项目(61363073，61363033，61262032)；湖南省教育厅科学研究项目(13A075)

通信作者：丁雷(1972—)，男，湖南临湘人，吉首大学信息科学与工程学院教授，博士，主要从事网络安全研究.

入侵检测技术通常分为误用检测和异常检测2类.基于误用检测算法需要攻击样本，通过提取攻击的特征形成特征集合，再根据入侵和特征集合是否匹配来进行检测.该算法的准确率很高，但其主要的缺点是只能检测已知的攻击，不能检测未知的攻击.基于异常检测算法是先构造出一个正常的行为模式，再通过判断所要检测的行为是不是偏离了正常的行为来决定网络是否受到了入侵.近年来越来越多未知攻击的出现，使得能够检测未知入侵的异常检测方法成为入侵检测领域的一个研究热点.

目前主流的人工算法包括否定选择算法、克隆选择算法和免疫网络算法.由……