基于人工免疫原理的网络入侵检测系统研究的中期报告.docx

基于人工免疫原理的网络入侵检测系统研究的中期报告
本研究基于人工免疫原理，设计了一种新的网络入侵检测系统，通过对网络流量进行分析和检测，发现并防止网络入侵事件的发生。本报告主要介绍研究的中期进展和实验结果。
一、研究进展
1.系统设计
根据人工免疫原理的思想，网络入侵检测系统通过模仿人类免疫系统的机理，识别潜在的入侵者并加强对它们的攻击防御能力。本系统主要分为数据采集、数据处理、模型训练和检测四个模块。
数据采集模块负责收集本地网络流量，并将其转发至数据处理模块。数据处理模块对流量进行处理和分析，提取出存在风险的行为、协议、IP地址等信息，并构建客户端行为特征、网络协议特征和IP地址特征三种特征向量。模型训练模块使用基于机器学习的分类算法训练出入侵检测的模型，最后将检测结果反馈给数据处理模块。
2.实验设计
为了验证本系统的性能和可用性，我们选取了KDD99数据集进行实验。该数据集包含多个网络流数据，其中一部分是入侵数据。
我们针对该数据集，运用了SVM、随机森林、决策树等常见的分类算法，并使用了10折交叉验证的方法来评估分类器的性能。同时我们还设计了对比实验，分别比较了使用不同特征向量和算法训练出的模型性能差异。
二、实验结果
通过对实验结果的分析，我们发现本系统在使用三种特征向量和不同分类算法时，都取得了不错的性能表现。其中SVM算法在使用IP地址特征向量训练时，取得了最好的性能，准确率高达99.70%。而使用随机森林算法时，客户端行为特征向量的效果更佳，准确率达到98.72%。
与此同时，我们还比较了本系统的性能和传统入侵检测方法的差异。结果表明，本系统在准确率、召回率、F值等多个指标上，均表现出了更好的性能。
三、结论和展望
本报告介绍了基于人工免疫原理的网络入侵检测系统的中期研究进展和实验结果。结果证明，本系统可以有效地检测网络入侵，并取得了不错的性能表现。未来，我们将继续优化系统的性能和可靠性，并尝试将其应用到实际环境中。