【技术实现步骤摘要】
基于免疫理论的安全感知模型构建方法
本专利技术涉及物联网安全
，特别涉及基于免疫理论的安全感知模型构建方法。
技术介绍
传统的免疫算法在计算抗体和抗原匹配度采用确定性的识别方法难以保证动态风险识别的准确度。传统的检测系统大多基于已知模式匹配方法构建检测模型，通过对已知样本的学习训练的检测模型并应用于物联网网络层安全检测，检测已知的网络攻击。这类检测模型存在着构建系统速度慢、模型更新代价高等问题，难以检测出物联网网络层上复杂多变的攻击类型。
技术实现思路
为了解决以上技术问题，本专利技术的目的在于提供基于免疫理论的安全感知模型构建方法，面对规模日益扩大的网络和层出不穷的攻击，目前的检测方法缺乏自适应性和扩展性，因此需要研究更加自动化、智能化的方法构建自适应强且具有动态可扩展的检测模型。为了实现上述目的，本专利技术采用的技术方案是：基于免疫理论的安全感知模型构建方法，包括以下步骤；步骤一：亲和度；假定抗原(a)和抗体(b)同构，用二进制位串表示基因，包括自体、检测器(抗体...
【技术保护点】
1.基于免疫理论的安全感知模型构建方法，其特征在于，包括以下步骤；/n步骤一：亲和度；/n假定抗原(a)和抗体(b)同构，用二进制位串表示基因，包括自体、检测器(抗体)和物联网网络层攻击(抗原)，均为长度为n的二进制位串组合，抗原和抗体的亲和度与它们间的距离相关，采用海明威距离计算，亲和度计算如公式；/n
【技术特征摘要】
1.基于免疫理论的安全感知模型构建方法，其特征在于，包括以下步骤；
步骤一：亲和度；
假定抗原(a)和抗体(b)同构，用二进制位串表示基因，包括自体、检测器(抗体)和物联网网络层攻击(抗原)，均为长度为n的二进制位串组合，抗原和抗体的亲和度与它们间的距离相关，采用海明威距离计算，亲和度计算如公式；
其中Dt为第t周期的亲和度，每周期亲和度计算采用转轮算法，首先设定初始亲和度Aff0，而后以上一周期最优亲和度作为基数，本周期大于上一周期时，则当前值为最优亲和度，否则保留上一周期值，ai和bi分别为抗体基因和抗原基因位串第i位的取值，θi为ai和bi的距离；
步骤二：抗原数；
Num(a)t＝Num(a)t-1-M(a)t-1+C(a)t
其中Num(a)t为第t周期抗原的数量；M(a)t-1为t-1周期清除的抗原数，如果抗原抗体亲和度大于阈值Aff，则清除抗原；C(a)t为每周期新产生的抗原，假定为常数C1；
步骤三：网络层安全检测器数量；
物联网网络层安全检测器通过免疫系统的自体耐受检验后，与抗原结合，清除抗原，然后检测器进行分裂变异进化，选择高亲和度的检测器克隆，并遗传到下一周期，下一周期产生固定数量的随机网络层安全检测器，并计算抗体浓度；
Num(b)t＝Num(b)t-1-M(b)t...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。