基于人工免疫的分布式入侵检测模型

Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　计算机应用，２０１４，３４（１）：８６—８９，９４　ＩＳＳＮ　１０ｏ１—９０８１　ＣＯＤＥＮ　ＪＹＩＩＤＵ　２０１４．．Ｏ１．．１０　ｈｔｔｐ：／／ｗｗｗ．ｊｏｅａ．ｃｎ　文章编号：１００１—９０８１（２０１４）Ｏ１．００８６—０４　ｄｏｉ：１０．１１７７２／ｊ．ｉｓｓｎ．１００１—９０８１．２０１４．Ｏ１．００８６　基于人工免疫的分布式入侵检测模型　程建　，张明清，刘小虎，范　涛　（信息工程大学密码工程学院，郑州４５０００１）　（　通信作者电子邮箱ｃｈｅｎｇｊｉａｎ２６５０＠１６３．ｃｏｍ）　摘要：针对现有分布式入侵检测系统交互流量大、单点失效及检测效率偏低的问题，基于人工免疫理论建立了　一种新的分布式入侵检测模型，并提出了一种中心检测器配置及使用方法，并将异常检测与误用检测相结合。基于　ＯＭＮｅＴ＋＋网络仿真平台设计了仿真模型，进行了仿真实验。仿真实验结果表明，改进模型交互流量明显减小，检测　效率明显提高并有效解决了单点失效问题。仿真结果证明了改进模型的正确性与有效性。　关键词：入侵检测；分布式；人工免疫系统；阴性选择；分布式拒绝服务攻击　中图分类号：ＴＰ３９３．０　文献标志码：Ａ　Ｄｉｓｔｒｉｂｕｔｅｄ　ｉｎｔｒｕｓｉｏｎ　ｄｅｔｅｃｔｉｏｎ　ｍｏｄｅｌ　ｂａｓｅｄ　ｏｎ　ａｒｔｉｆｉｃｉａｌ　ｉｍｍｕｎｅ　ＣＨＥＮＧ　Ｊｉａｎ’，ＺＨＡＮＧ　Ｍｉｎｇｑｉｎｇ，ＵＵ　Ｘｉａｏｈｕ，ＦＡＮ　Ｔａｏ　（Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｃｉｐｈｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ　Ｈｅｎａｎ　４５０００１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｃｏｎｃｅｒｎｉｎｇ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｏｆ　ｅｘｃｅｓｓｉｖｅ　ｉｎｔｅｒａｃｔｉｏｎ　ｆｌｏｗ，ｓｉｎｇｌｅ　ｐｏｉｎｔ　ｆａｉｌｕｒｅ　ａｎｄ　ｌｏｗ　ｄｅｔｅｃｔｉｏｎ　ｅｆｆｉｃｉｅｎｃｙ　ｉｎ　ｅｘｉｓｔｉｎｇ　Ｄｉｓｔｒｉｂｕｔｅｄ　Ｉｎｔｒｕｓｉｏｎ　Ｄｅｔｅｃｔｉｏｎ　Ｓｙｓｔｅｍ（ＤＩＤＳ），ａ　ｎｅｗ　ｄｉｓｔｒｉｂｕｔｅｄ　ｉｎｔｒｕｓｉｏｎ　ｄｅｔｅｃｔｉｏｎ　ｍｏｄｅｌ　ｂａｓｅｄ　ｏｎ　ａｒｔｉｆｉｃｉａｌ　ｉｍｍｕｎｅ　ｔｈｅｏｒｙ　Ｗａｓ　ｐｒｏｐｏｓｅｄ．Ｔｈｅ　ｎｅｗ　ｄｉｓｔｒｉｂｕｔｅｄ　ｉｎｔｒｕｓｉｏｎ　ｄｅｔｅｃｔｉｏｎ　ｍｏｄｅｌ　ｐｒｅｓｅｎｔｅｄ　ａ　ｃｅｎｔｒａｌ　ｄｅｔｅｃｔｏｒ　ｃｏｎｆｉｇｕｒａｔｉｏｎ　ａｎｄ　ｍｅｔｈｏｄ　ｏｆ　ｕｓｅ　ａｎｄ　ｃｏｍｂｉｎｅｄ　ｍｉｓｕｓｅ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ａｎｏｍａｌｙ　ｄｅｔｅｃｔｉｏｎ．Ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｍｏｄｅｌ　Ｗａｓ　ｄｅｓｉｇｎｅｄ　ｂａｓｅｄ　ｏｎ　ＯＭＮｅＴ＋＋ｎｅｔｗｏｒｋ　ｓｉｍｕｌａｔｉｏｎ　ｐｌａｔｆｏｒｍ　ａｎｄ　ｅｘｐｅｒｉｍｅｎｔｓ　ｗｅｒｅ　ｒｕｎ．Ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｌｔｓ，ｔｈｅ　ｍｏｄｅｌ　ｏｖｅｒｃｏｍｅｓ　ｅｘｃｅｓｓｉｖｅ　ｉｎｔｅｒａｃｔｉｏｎ　ｆｌｏｗ　ｐｒｏｂｌｅｍ　ｏｆ　ｔｈｅ　ｆｕｌｌｙ　ｄｉｓｔｒｉｂｕｔｅｄ　ｓｙｓｔｅｍ，ｓｏｌｖｅｓ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｏｆ　ｓｉｎｇｌｅ　ｐｏｉｎｔ　ｆａｉｌｕｒｅ　ａｎｄ　ｉｍｐｒｏｖｅｓ　ｔｈｅ　ｄｅｔｅｃｔｉｏｎ　ｅｆｆｉｃｉｅｎｃｙ　ｅｆｆｅｃｔｉｖｅｌｙ．Ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｖｅｒｉｆｙ　ｔｈｅ　ｖａｌｉｄｉｔｙ　ａｎｄ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　ｏｆ　ｔｈｅ　ｉｍｐｒｏｖｅｄ　ｍｏｄｅ１．　Ｋｅｙ　ｗｏｒｄｓ：ｉｎｔｒｕｓｉｏｎ　ｄｅｔｅｃｔｉｏｎ；ｄｉｓｔｒｉｂｕｔｅｄ；Ａｒｔｉｆｉｃｉａｌ　Ｉｍｍｕｎｅ　Ｓｙｓｔｅｍ（ＡＩＳ）；ｎｅｇａｔｉｖｅ　ｓｅｌｅｃｔｉｏｎ；Ｄｉｓｔｒｉｂｕｔｅｄ　Ｄｅｎｉａｌ　ｏｆ　Ｓｅｒｖｉｃｅ　ｆ　ＤＤｏＳ）　０　引言　人工免疫系统（Ａｒｔｉｆｉｃｉａｌ　Ｉｍｍｕｎｅ　Ｓｙｓｔｅｍ，ＡＩＳ）是基于生　物免疫系统相关机制和理论而发展的各种人工范例的统　称…。随着网络规模的日益增大，分布式拒绝服务攻击　（Ｄｉｓｔｒｉｂｕｔｅｄ　Ｄｅｎｉｍ　ｏｆ　Ｓｅｒｖｉｃｅ，ＤＤｏＳ）成为拒绝服务攻击的主　流形式。由于ＤＤｏＳ攻击源的多样性，单点检测方法已经无　法对其进行有效检测。目前检测ＤＤｏＳ常用的方法是基于人　工免疫的分布式入侵检测。分布式入侵检测系统主要有三种　体系结构：集中式协同检测、层次化协同检测与完全分布式协　同检测　白媛　】】　提出了一种集中式协同检测方法，检测系统　分为数据收集和分析模块，数据收集模块分布于网络中，将收　集的相关数据发送到中央分析模块，由分析模块进行入侵判　断；该系统有效提高了检测ＤＤｏＳ的能力，但中央节点容易成　为处理瓶颈，存在单点失效问题。秦晓明　提出了一种　完全分布式入侵检测结构，每一节点均具有检测入侵功能，节　点之间通过交互以获得相应知识，进行协同检测；其有效解决　了单点失效问题，但由于各节点之间交互流量十分巨大，对系　统与主机性能造成严重影响。唐俊　采用阴性选择算法设　计了一种网络入侵检测算法，但其没有考虑成熟检测器的进　化与退化，系统性能会随着时间的增加而降低。陈岳兵　提　出一种用于入侵检测的统一人工免疫系统原型，其具有开放　性和适应性，试图将所有人工免疫相关理论囊括其中，但未对　其具体使用进行说明，实现难度较大。伍媛媛　采用人工　免疫中阴性选择算法进行检测，能够检测出未知攻击，但由于　检测器数量过多导致检测效率较低。　综上可知目前基于人工免疫的分布式入侵检测存在检测　流量过大、单点失效及检测效率偏低等问题。针对上述问题，　本文提出了一种基于人工免疫的分布式入侵检测模型，给出　了相关模型框架与各模块功能；提出了一种检测中心模块配　置及使用方法并将异常检测与误用检测相结合。最后采用网　络仿真工具ＯＭＮｅＴ＋＋进行了仿真模型的设计与实验。　１　人工免疫与入侵检测概述　本文主要采用人工免疫理论中否定选择算法来构建一分　布式入侵检测模型，以克服传统分布式人侵检测系统的不足，　对人工免疫理论中的一些具体细节、算法不作改进。本文所　涉及的概念及算法如下。　收稿日期：２０１３．０７—０８：修回日期：２０１３—０９—１２。　作者简介：程建（１９９０一），男，河南安阳人，硕士研究生，ＣＣＦ会员，主要研究方向：基于人工免疫的入侵检测及其建模仿真；　张明清　（１９６１一），男，湖北孝感人，副教授，主要研究方向：系统建模与仿真；刘小虎（１９８９一），男，河南太康人，硕士研究生，主要研究方向：网络安全　建模仿真；范涛（１９９０一），男，安徽安庆人，硕士研究生，主要研究方向：网络安全信任机制建模仿真。

　第１期　程建等：基于人工免疫的分布式入侵检测模型　８７　１．１否定选择算法　否定选择算法最初指学者Ｆｏｒｒｅｓｔ提出的算法　，目前指　一类基于否定选择机制及模型的算法。否定选择算法的组成　主要包括数据空间表示、检测器表示、匹配规则、检测器生成　机制等。每种机制均有多种算法。本文采用算法如下：数据　空间与检测器表示采用二进制字符串，匹配规则采用ｒ连续　位匹配，检测器生成采用随机生成方式。　１．２连续位匹配算法　ｒ连续位匹配算法采用固定长度的二进制字符串，其定义　如下：　给定抗原　＝Ｘ１　２…　和抗体ｄ＝ｄ　ｄ：…ｄ　，Ｍ表示匹　配，则匹配算法　为：　ｄＭｘ　Ｅ　ｉ≤ｎ—ｒ＋１，　＝　；　＝１，２，…，ｉ，ｉ＋ｒ一１　（１）　即：如果两个字符串存在所有位都一样的长度为ｒ或ｒ以上的　序列，则其匹配。　２基于人工免疫的分布式入侵检测模型　本节采用人工免疫理论中经典的否定选择算法设计了一　分布式入侵检测模型，并从模型框架、模型功能和相应问题解　决机制三个方面进行说明。　２．１模型框架　模型框架如图１所示。　边界防火墙　网络流量　筒　……　ｔ　……｛Ｉ　豳　ｌ　ｔ　…　ｉ…　’　ｉＪｔｌ￣，器　调度器　ＩＤＳ检测中心　网络流量ｌ　ｒ　：二：二：主：二：二：　ｌ　ｌ转换器　ｌ二＝［二　＝口规则库　Ｉ　ｌ工　蓟撼　主机１…主机ｎ　检测传感器　图１　分布式入侵检测模型框架　模型框架主要包括两个模块：ＩＤＳ（Ｉｎｔｒｕｓｉｏｎ　Ｄｅｔｅｃｔｉｏｎ　Ｓｙｓｔｅｍ）检测中心和检测传感器。ＩＤＳ检测中心位于网络中心　路由器处，检测传感器则位于边界路由器处。检测传感器负　责检测相应流量并上报相应信息，中心处理模块负责处理分　析上报信息。　２．２模块功能　２．２．１　ＩＤＳ检测中心　ＩＤＳ检测中心由训练模块（包括转换器与训练器）和检测　模块（包括调度器与分析器）组成。　１）转换器。　模型中检测器均由二进制表示，因而需要对真实网络数　据包进行格式转换。为对数据包进行操作需要将其信息转换　为二进制字符串。对于不同攻击类型的检测所需收集的数据　也不尽相同，本文仅考虑分布式拒绝服务（Ｄｉｓｔｒｉｂｕｔｅｄ　Ｄｅｎｉａｌ　ｏｆ　Ｓｅｒｖｉｃｅ，ＤＤｏＳ）攻击。这些信息包括：目的ＩＰ地址、源ＩＰ　地址、目的端口号、持续时间、协议和源端口号。它们由数据　包中提取并转化为１１２比特二进制。数据包相应属性如表１　所示。　表１数据包属性　２）训练器。　当把训练数据即正常网络数据转换为二进制后，将其传　输至训练器用于训练初始检测器，也即免疫耐受，采用免疫理　论中阴性选择算法进行。成功通过训练的检测器成为成熟检　测器，通过调度模块进行分配。初始检测器生成采用随机算　法。检测器生成流程”　如图２所示。　

图２检测器生成　检测器结构如下所示：　ｌ检测器ＩＤ　Ｉ检测器生存时间ｌ匹配字符串ｌ　３）调度器。　成功通过训练器的检测器称为成熟检测器。其由调度器　分配到检测传感器模块。根据检测器集或规则的变动，调度　器会将相应变化同步至各传感器。　４）分析器。　当传感器中检测器检测到可疑包时，其将相关信息发送　到ＩＤＳ检测中心进行分析。如果符合相应规则分析检测器会　产生入侵信息并发出警报，同时分析器将相应信息发送给防　火墙，防火墙会对相应包进行过滤。分析规则与具体检测攻　击类型有关，例如规定来自某一ＩＰ地址的半连接数超过５０　则视为该ＩＰ正在进行攻击，则分析器取某一时间间隔内所收　集可疑包并根据ＩＰ地址对其进行数量统计。　２．２．２检测传感器　检测传感器包括检测器集、规则库与转换器。　１）检测器集。　检测器集由成功通过训练的成熟检测器组成。如果任一　检测器与任一包匹配，则生成相应消息并上报给ＩＤＳ检测中　心。消息结构如下所示：　Ｉ传感器ＩＤ　ｌ检测器ＩＤ　ｌ数据包ｌ　系统开始运行后，检测器中检测器生存时间开始计时，每　当检测器成功与网络数据匹配时，检测器生存时问重置为初　始值。当某一检测器在生存时间内没有有效检测入侵时，则　由调度器将其删除。

　计算机应用　第３４卷　获的能力，提高网络的健壮性。　４　结语　本文提出了一种基于区域的ＷＳＮ混合密钥管理方案，充　分利用了对称和非对称密钥管理的优势。通过Ｍ节点和Ｈ　节点进行优势互补，区域内通过多项式建立密钥，而区域问的　Ｈ节点仅通过二次型对角化矩阵建立共享密钥，之后用高效　的对称加密解密协议进行数据通信。与现有密钥管理方案相　比，该方案在连通性、通信开销、存储消耗、计算开销方面均有　较大改进。　参考文献：　【１］　ＡＫＹＩＬＤＩＺ　Ｉ　Ｆ，ＳＵ　Ｗ，Ｓ　Ｙ，ｅｔ　ａ１．Ａ　ｓｕｒｖｅｙ　ｏｎ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ　［Ｊ］．ＩＥＥＥ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　Ｍａｇａｚｉｎｅ，２００２，４０（８）：１０２～１　１４．　【２】　ＲＯＭＡＮ　Ｒ，ＡＬＣＡＲＡＺ　Ｃ．Ａｐｐｌｉｅａｂｉｌｉｔｙ　ｏｆ　ｐｕｂｌｉｃ　ｋｅｙ　ｉｎｆｒａｓｔｍｃ—　ｔｎｒｅ８　ｉｎ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［ＭＩ／／Ｐｕｂｌｉｃ　Ｋｅｙ　Ｉｎｆｒａｓｔｒｕｃｔｕｒｅ．　Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００７：３１３—３２０．　［３】　ＥＳＣＨＥＮＡＵＥＲ　Ｌ，ＧＬＩＧＯＲ　Ｖ　Ｄ．Ａ　ｋｅｙ—ｍａｎａｇｅｍｅｎｔ　ｓｃｈｅｍｅ　ｆｏｒ　ｄｉｓｔｒｉｂｕｔｅｄ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｃ　１／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　９ｔｈ　ＡＣＭ　Ｃｏｎ．　ｆｅｒｅｎｃｅ　ｏｎ　Ｃｏｍｐｕｔｅｒ　ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　Ｓｅｃｕｒｉｔｙ．Ｎｅｗ　Ｙｏｒｋ：　ＡＣＭ　Ｐｒｅｓｓ，２００２：４１—４７．　【４ｌ　ＣＨＡＮ　Ｈ，ＰＥＲＲＩＧ　Ａ，ＳＯＮＧ　Ｄ．Ｒａｎｄｏｍ　ｋｅｙ　ｐｒｅｄｉｓｔｒｉｂｕｔｉｏｎ　ｓｃｈｅｍｅｓ　ｆｏｒ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｃ】／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２００３　ＩＥＥＥ　Ｓｅｃｕｒｉｔｙ　ａｎｄ　Ｐｒｉｖａｃｙ．Ｗａｓｈｉｎｇｔｏｎ，ＤＣ：ＩＥＥＥ　Ｃｏｍｐｕｔｅｒ　Ｓｏｃｉｅｔｙ，　２０ｏ３：ｌ９７—２ｌ３．　［５ｌ　ＢＬＯＭ　Ｒ．Ａｎ　ｏｐｔｉｍａｌ　ｃｌａｓｓ　ｏｆ　ｓｙｍｍｅｔｒｉｃ　ｋｅｙ　ｇｅｎｅｒａｔｉｏｎ　ｓｙｓｔｅｍｓ　【Ｃ】／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＥＵＲＯＣＲＹＰＴ　１９８４　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ａｄ—　ｖａｎｃｅｓ　ｉｎ　Ｃｒｙｐｔｏｌｏｇｙ：Ｔｈｅｏｒｙ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｃｒｙｐｔｏｇｒａｐｈｉｃ　Ｔｅｃｈｎｉｑｕｅｓ．Ｎｅｗ　Ｙｏｒｋ：ＡＣＭ　Ｐｒｅｓｓ，１９８５：３３５—３３８．　［６１　ＤＵ　Ｗ，ＤＥＮＧ　Ｊ，ＨＡＮ　Ｙ　Ｓ，ｅｔ　ａ１．Ａ　ｐａｉｒｗｉｓｅ　ｋｅｙ　ｐｒｅｄｉｓｔｒｉｂｕｔｉｏｎ　ｓｃｈｅｍｅ　ｆｏｒ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｊ１．ＡＣＭ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｉｎｆｏｒ－　ｍａｒｉｏｎ　ａｎｄ　Ｓｙｓｔｅｍ　Ｓｅｃｕｒｉｔｙ，２００５，８（２）：２２８—２５８．　【７１　ＬＩＵ　Ｄ，Ｎ１ＮＧ　Ｐ，ＬＩ　Ｒ．Ｅｓｔａｂｌｉｓｈｉｎｇ　ｐａｉｒｗｉｓｅ　ｋｅｙｓ　ｉｎ　ｄｉｓｔｒｉｂｕｔｅｄ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｊ】．ＡＣＭ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｓｙｓｔｅｍ　Ｓｅｃｕｒｉｔｙ，２００５，８（１）：４１—７７．　［８］ＤＵ　Ｗ，ＤＥＮＧ　Ｊ，ＨＡＮ　Ｙ　Ｓ，ｅｔ　ａ１．Ａ　ｋｅｙ　ｍａｎａｇｅｍｅｎｔ　８４２ｈｅｉｎｅ　ｆｏｒ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ　ｕｓｉｎｇ　ｄｅｐｌｏｙｍｅｎｔ　ｋｎｏｗｌｅｄｇｅ［Ｃ】／／ＩＮＦＯ・　ＣＯＭ　２００４：Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｔｗｅｎｔｙ—ｔｈｉｒｄ　Ａｎｎｕｍ　Ｊｏｉｎｔ　Ｃｏｎｆｅｒ－　ｅｎｃｅ　ｏｆ　ｔｈｅ　ＩＥＥＥ　Ｃｏｍｐｕｔｅｒ　ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　Ｓｏｃｉｅｔｉｅｓ．Ｐｉｓｅａｔ—　ａｗａｙ，ＮＪ：ＩＥＥＥ　Ｐｒｅｓｓ，２００４：５８６—５９７．　［９】　ＹＵ　Ｚ，ＧＵＡＮ　Ｙ．Ａ　ｋｅｙ　ｍａｎａｇｅｍｅｎｔ　ｓｃｈｅｍｅ　ｕｓｉｎｇ　ｄｅｐｌｏｙｍｅｎｔ　ｋｎｏｗｌｅｄｇｅ　ｆｏｒ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ【Ｊ】．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｐａｒａｌｌｅｌ　ａｎｄ　Ｄｉｓｔｒｉｂｕｔｅｄ　Ｓｙｓｔｅｍｓ，２００８，１９（１０）：１４１　１—１４２５．　（１０］　ＷＡＮＧ　Ｘ　Ｇ，ＳＨＩ　Ｗ　Ｒ，ＺＨＯＵ　Ｗ，ｅｔ　ａ１．Ａ　ｋｅｙ　ｍａｎａｇｅｍｅｎｔ　ｓｃｈｅｍｅ　ｂａｓｅｄ　ｏｎ　ｑｕａｄｒａｔｉｃ　ｆｏｒｍ　ｆ０ｒ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋ【Ｊ】．　Ａｃｔａ　Ｅｌｅｃｔｒｏｎｉｅａ　Ｓｉｎｉｃａ，２０１３，４１（２）：２１４—２１９．（王小刚，石为　人，周伟，等．一种基于二次型的无线传感器网络密钥管理方　案［ＪＩ．电子学报，２０１３，４１（２）：２１４—２１９．）　［１　１】　ＪＡＤＩ　ＩＷＡＬＡ　Ｍ，ＺＨＯＮＧ　Ｓ，ＵＰＡＤＨＹＡＹＡ　Ｓ　Ｊ，ｅｔ　ａ１．Ｓｅｃｕｒｅ　ｄｉｓｔａｎｃｅ—ｂａｓｅｄ　ｌｏｃａｌｉｚａｔｉｏｎ　ｉｎ　ｔｈｅ　ｐｒｅｓｅｎｃｅ　ｏｆ　ｃｈｅａｔｉｎｇ　ｂｅａｃｏｎ　ｎｏｄｅｓ【Ｊ】．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　０ｎ　Ｍｏｂｉｌｅ　Ｃｏｍｐｕｔｉｎｇ，２０１０，９（６）：　８１０—８２３．　［１　２］　ＺＨＵ　Ｗ　Ｔ．Ｎｏｄｅ　ｒｅｐｌｉｃａｔｉｏｎ　ａｔｔａｃｋｓ　ｉｎ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓｔ　ｂｙｐａｓｓｉｎｇ　ｔｈｅ　ｎｅｉｇＩｌｂｏｒ—ｂａｓｅｄ　ｄｅｔｅｃｔｉｏｎ　ｓｃｈｅｍｅ【Ｃ】／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＩＥＥＥ　２０１　ｌ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｎｅｔｗｏｒｋ　Ｃｏｍｐｕｔｉｎｇ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｅｃｕｒｉｔｙ．Ｐｉｓｃａｔａｗａｙ，ＮＪ：ＩＥＥＥ　Ｐｒｅｓｓ，２０１　１：１５６　—１６０．　［１３］　ＲＡＨＭＡＮ　Ｍ，ＳＡＭＰＡＬＬＩ　Ｓ，ＨＵＳＳＡＩＮ　Ｓ．Ａ　ｒｏｂｕｓｔ　ｐａｉｒ－ｗｉｓｅ　ａｎｄ　ｇｒｏｕｐ　ｋｅｙ　ｍａｎａｇｅｍｅｎｔ　ｐｒｏｔｏｃｏｌ　ｆｏｒ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋ【Ｃ】／／　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＩＥＥＥ　２０１０　ＧＩ　ＯＢＥＣＯＭ　Ｗｏｒｋｓｈｏｐｓ．Ｐｉｓｃａｔ—　ａｗａｙ，ＮＪ：ＩＥＥＥ　Ｐｒｅｓｓ，２０１０：１５２８—１５３２．　［１４］　ＳＨＥＮ　Ｂ，ＺＨＡＮＧ　Ｓ　Ｙ，ＺＨＯＮＧ　Ｙ　Ｐ．Ｃｌｕｓｔｅｒ－ｂａｓｅｄ　ｍｕｔｉｎｇ　ｐｒｏｔｏ－　ｅｏｌｓ　ｆｏｒ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｊ］．Ｊｏｕｍａｌ　ｏｆ　Ｓｏｆｔｗａｒｅ，２００６，１７　（７）：１５８８—１６００．（沈波，张世永，钟亦平．无线传感器网络分　簇路由协议［Ｊ］．软件学报，２００６，１７（７）：１５８８—１６００．）　（上接第８９页）　【３】　ＢＡＩ　Ｙ．Ｒｅｓｅａｒｃｈ　ｏｆ　ｔｈｅ　ｋｅｙ　ｔｅｃｈｎｉｑｕｅｓ　ｏｆ　ｉｎｔｒｕｓｉｏｎ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｐｒｏｔｅｃｔｉｏｎ　ｆｏｒ　ｄｉｓｔｒｉｂｕｔｅｄ　ｎｅｔｗｏｒｋｓ［Ｄ】．Ｂｅｉｊｉｎｇ：Ｂｅｉｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｐｏｓｔｓ　ａｎｄ　Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１０．（白媛．分布式网络入侵检　测防御关键技术研究［Ｄ】．北京：北京邮电大学，２０１０．）　【４】　ＱＩＮ　Ｘ　Ｍ．Ｒｅｓｅａｒｃｈ　ｏｆ　ｈｉｅｒａｒｃｈｉｃａｌ　ｄｉｓｔｒｉｂｕｔｅｄ　ｉｎｔｒｕｓｉｏｎ　ｄｅｔｅｃｔｉｏｎ　ｓｙｓｔｅｍ［Ｄ】．Ｘｉ’ａｎ：Ｘｉｄｉａｎ　Ｕｎｉｖｅｒｓｉｔｙ，２００９．（秦晓明．层次化的分　布式入侵检测系统研究【Ｄ】．西安：西安电子科技大学，２００９．）　【５】ＴＡＮＧ　Ｊ，ＺＨＡＯ　Ｘ　Ｊ．ｒ—ｖａｒｉａｂｌｅ　ｍａｔｃｈｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｕｓｅｄ　ｆｏｒ　ＩＤＳ　［Ｊ】．Ａｐｐｌｉｃａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　ｏｆ　Ｃｏｍｐｕｔｅｒｓ，２０１０，２７（２）：７４５—７４７．　（唐俊，赵晓娟．一种用于入侵检测系统的可变ｒ匹配算法【ｊ］．　计算机应用研究，２０１０，２７（２）：７４５—７４７．）　［６】　ＣＨＥＮ　Ｙ　Ｂ．Ｓｔｕｄｙ　ｏｎ　ａｒｔｉｆｉｃｉａｌ　ｉｍｍｕｎｅ　ｓｙｓｔｅｍ　ｆｏｒ　ｉｎｔｒｕｓｉｏｎ　ｄｅｔｅｃｔｉｏｎ　【Ｄ］．Ｃｈａｎｇｓｈａ：Ｎａｔｉｏｎａｌ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｄｅｆｅｎｓｅ　Ｔｅｃｈｎｏｌｏｇｙ，２０１　１．　（陈岳兵．面向入侵检测的人工免疫系统研究【Ｄ】．长沙：国防科　学技术大学，２０１１．）　【７】　ＷＵ　Ｙ　Ｙ，ＺＥＮＧ　Ａ　Ｇ．Ｉｎｔｒｕｓｉｏｎ　ｄｅｔｅｃｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ａｒｔｉｆｉｃｉａｌ　ｉｍ—　ｍｕｎｅ　ｃｌａｓｓｉｆｉｅｒ［Ｊ】．１ｎｔｅｌｌｉｇｅｎｔ　Ｃｏｍｐｕｔｅｒ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ，２０１３，３　（１）：７５—７８．（伍媛嫒，曾爱国．基于人工免疫分类器的入侵检　测方法ｆ　Ｊ］．智能计算机与应用，２０１３，３（１）：７５—７８．）　【８】ＨＯＦＭＥＹＲ　Ｓ　Ａ，ＦＯＲＲＥＳＴ　Ｓ　Ａ．Ａｒｃｈｉｔｅｃｔｕｒｅ　ｆｏｒ　ａｎ　ａｒｔｉｆｉｃｉａｌ　ｉｍ－　ｍｕｎｅ　ｓｙｓｔｅｍ【Ｊ】．Ｅｖｏｌｏｕｔｉｏｎａｒｙ　Ｃｏｍｐｕｔａｔｉｏｎ　Ｊｏｕｒｎａｌ，２０００，８（４）：　【９］　［１０】　［１２］　【ｌ３］　４４３—４　７３．　Ｊ１Ｎ　Ｚ　Ｚ，ＬＩＡＯ　Ｍ　Ｈ，ＸＩＡＯ　Ｇ．Ｓｕｒｖｅｙ　ｏｆ　ｎｅｇａｔｉｖｅ　ｓｅｌｅｃｔｉｏｎ　ａｌｇｏ—　ｒｉｔｈｍｓ【Ｊ】．Ｊｏｕｒｎａｌ　ｏｎ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１３，３４（１）：１５９—１７０．　（金章赞，廖明宏，肖刚．否定选择算法综述［Ｊ］．通信学报，２０１３，　３４（１）：１５９—１７０．）　ＷＡＮＧＨ，Ｙｕ　Ｌ　Ｊ，ＢＩｘ　ｅｔ　ａ１．Ａｄｊｕｓｔａｂｌｅｆｕｚｚｙｍａｔｃｈｉｎｇ　ｎｅｇａ—　ｔｉｖｅ　ｓｅｌｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｗｉｔｈ　ｖａｃｃｉｎｅ　ｏｐｅｒａｔｏｒ【Ｊ】．Ｊｏｕｒｎａｌ　ｏｆ　Ｈａｒｂｉｎ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，２０１１，４３（６）：１４１—１４４．（王辉，于立君，　毕晓君，等．具有疫苗算子的可变模糊匹配阴性选择算法【Ｊ］．　哈尔滨工业大学学报，２０１　１，４３（６）：１４１—１４４．）　ＤＡＳＧＵＰＴＡ　Ｄ，ＹＵ　Ｓ，ＮＩＮＯ　Ｆ．Ｒｅｃｅｎｔ　ａｄｖａｎｃｅｓ　ｉｎ　ａｒｔｉｆｉｃｉａｌ　ｉｍ—　ｍｕｎｅ　ｓｙｓｔｅｍｓ：ｍｏｄｅｌｓ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎｓ【Ｊ】．Ａｐｐｌｉｅｄ　Ｓｏｆｔ　Ｃｏｍｐｕ・　ｔｉｎｇ，２０１１，１１（２）：１５７４—１５８７．　ＹＡＮＧ　Ｇ　Ｘ．Ｒｅｓｅａｒｃｈ　ｏｆ　ｓｉｍｕｌａｔｉｏｎ　ｓｙｓｔｅｍ　ｆｏｒ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔ—　ｗｏｒｋｓ　ｂａｓｅｄ　ｏｎ　ＯＭＮｅＴ＋＋【Ｄ］．Ｊｉｎａｎ：Ｓｈａｎｄｏｎｇ　Ｎｏｒｍａｌ　Ｕｎｉｖｅｒ－　ｓｉｔｙ，２０１２．（杨光旭．基于ＯＭＮｅＴ＋＋平台的无线传感器网络仿　真系统研究【Ｄ】．济南：山东师范大学，２０１２．）　ＺＨＵ　Ｘ　Ｓ．Ｓｔｕｄｙ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ＯＭＮｅＴ＋＋ｓｉｍｕｌａｔｉｏｎ　ｐｌａｔｆｏｒｍ　ｆ　Ｊ】．Ｊｏｕｒｎａｌ　ｏｆ　Ｄａｌｉａｎ　Ｐｏｌｙｔｅｃｈｎｉｃ　Ｕｎｉｖｅｒｓｉｔｙ，２０１０，２９（１）：６２—　６５．（朱晓姝．ＯＭＮｅＴ＋＋仿真工具的研究与应用［Ｊ】．大连工业　大学学报，２０１０，２９（１）：６２—６５．）