[发明专利]基于蚁群融合算法的分布式入侵检测方法

说明书

本发明公开了一种基于蚁群融合算法的分布式入侵检测方法，包括以下流程：启动，分布式传感器初始化，设置基于属性决策的蚁群算法参数，构造决策树定义性规则，置蚂蚁于传感器节点上，确定数据融合的下一个节点，蚂蚁选择路径的信息素的部分更新，修剪决策树，蚂蚁选择路径的信息素的全部更新，当没找到最佳路径，返回蚂蚁选择路径的信息素的部分更新步骤；找到最佳路径，创建最优路径，对数据信息进行融合。与现有技术相比，本发明提高了网络系统中数据入侵的检测效率并降低能耗，有效保障了分布式网络系统的安全性。

技术领域

本发明涉及的是一种网络入侵检测方法，尤其涉及的是一种基于蚁群融合算法的分布式入侵检测方法。

背景技术

随着计算机网络技术的发展和应用的广泛，网络入侵事件的发生越来越频繁，造成的危害也越来越严重，网络安全问题日益突出，网络入侵检测已经成为网络安全领域研究与开发的新热点。

入侵检测是指通过从计算机网络或计算机系统中若干关键点收集信息并对其进行分析，从中发现网络或系统中是否存在违反安全策略的行为和遭到攻击的安全技术。使用基于入侵检测技术的入侵检测系统对计算机网络及基于网络的系统进行监视，依据监视结果针对不同的入侵行为采用不同的安全策略，可以最大程度地降低入侵带来的危害。

在入侵检测技术方面，近年来，人们进行了大量的研究和试验，提出了多种检测方法，并将其他领域的技术引入到入侵检测上，这些方法对于特定入侵和攻击行为的检测具有一定的适用性。但总的来说，入侵检测方法还有待进一步研究和完善，面对口益复杂的高速网络与越来越新颖的入侵和攻击手段，检测精确度和速度成为影响入侵检测系统性能的主要因素，误检与漏检仍然是实施入侵检测的关键难点问题。

蚁群算法(ant colony optmmmzatmon,ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dormgo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质，尤其是在解决复杂优化问题方面已经展现出优异的性能和巨大的发展潜力。

发明内容

本发明的目的在于克服现有技术的不足，提供了一种基于蚁群融合算法的分布式入侵检测方法，以提高网络入侵检测的精确度和速度。

本发明是通过以下技术方案实现的：

本申请人基于分布式入侵检测系统属性决策的数据融合技术的研究，提供了一种基于蚁群融合算法的分布式入侵检测方法，研究思路如下：

1.研究分布式网络入侵检测通信技术，提高网络系统中数据入侵的检测效率；

2.研究分布式网络中传感器数据融合技术：分析传统网络与分布式网络的区别，对网络拓扑、蚁群算法进行研究，有效融合来自各地异构网中的数据采集器、系统管理器中数据库的数据，研究适合分布式网络环境的拓扑结构和路由协议，提高通信效率，降低能耗；

3.研究分布式网络环境下入侵检测与数据融合协同信息处理技术。根据分布式网络系统中采集数据的多样性，进行基于数据监测和传感器数据融合方面的技术研究。

其对于分布式网络的网络层设计依据，主要包括以下内容：

(1)能量效率

能量效率指该网络在能源有限的条件下能够处理的请求数量。能源有效性是传感器网络的重要指标。传感节点一般由电池供电，能源有限，并且对于大规模与物理环境紧密耦合的系统而言，以更换电池的方式来补充能源是不现实的，所以在设计传感器网络时，节能是重要的约束条件，它直接决定网络的生存期。到目前为止，传感器网络的能源效率还没有被模型化和定量化，还不具有被普遍接受的标准，需要进行深入研究。

(2)网络生存时间