本發(fā)明涉及物聯(lián)網(wǎng)信息安全領(lǐng)域，尤其涉及一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

隨著物聯(lián)網(wǎng)不斷被推廣應(yīng)用，暴露在無(wú)人監(jiān)控環(huán)境下的感知節(jié)點(diǎn)也將越來(lái)越多，其面臨的安全威脅將日漸凸現(xiàn)，心懷叵測(cè)的攻擊者也想方設(shè)法利用脆弱的感知節(jié)點(diǎn)攻擊物聯(lián)網(wǎng)。物聯(lián)網(wǎng)安全問(wèn)題成為了研究人員關(guān)注的熱點(diǎn)。物聯(lián)網(wǎng)既面臨重放攻擊拒絕服務(wù)等傳統(tǒng)攻擊，也面臨其特有的克隆攻擊復(fù)制攻擊、冒用攻擊和干擾攻擊等攻擊。國(guó)外學(xué)者描述了一種針對(duì)遠(yuǎn)程控制電爐的物聯(lián)網(wǎng)系統(tǒng)的攻擊，這種攻擊可以導(dǎo)致一個(gè)地區(qū)的電網(wǎng)癱瘓。如果針對(duì)物聯(lián)網(wǎng)的攻擊檢測(cè)問(wèn)題不能得到有效解決，它將阻礙物聯(lián)網(wǎng)的健康發(fā)展。因此，目前迫切需要一種能適應(yīng)物聯(lián)網(wǎng)感知節(jié)點(diǎn)分布性特點(diǎn)的入侵檢測(cè)技術(shù)，以解決瞬息萬(wàn)變的物聯(lián)網(wǎng)攻擊環(huán)境下的入侵檢測(cè)問(wèn)題。

為解決物聯(lián)網(wǎng)環(huán)境下的入侵檢測(cè)難題，mirowski根據(jù)物品標(biāo)簽的過(guò)去訪問(wèn)頻率提出了一種入侵檢測(cè)方法，該檢測(cè)方法只針對(duì)標(biāo)簽宿主變化的物聯(lián)網(wǎng)攻擊；yang提出了無(wú)線傳感網(wǎng)節(jié)點(diǎn)的分布式入侵檢測(cè)方法，但檢測(cè)的對(duì)象也僅局限于有限的感知節(jié)點(diǎn)。但大部分研究只給出了物聯(lián)網(wǎng)入侵檢測(cè)的基本概念或簡(jiǎn)單構(gòu)想，主要思想基于傳統(tǒng)的互聯(lián)網(wǎng)入侵檢測(cè)技術(shù)，檢測(cè)攻擊的能力具有很大的局限性，物聯(lián)網(wǎng)攻擊稍作變化即可騙過(guò)傳統(tǒng)的入侵檢測(cè)系統(tǒng)，從而對(duì)物聯(lián)網(wǎng)系統(tǒng)形成巨大的威脅。

中國(guó)專利公開號(hào)cn101478534中所述的基于人工免疫原理的網(wǎng)絡(luò)異常檢測(cè)方法，首先進(jìn)行訓(xùn)練抗原數(shù)據(jù)收集，然后是人工免疫系統(tǒng)學(xué)習(xí)，最后是對(duì)網(wǎng)絡(luò)異常檢測(cè)；cn1777119中所述的方法首先獲取主機(jī)審計(jì)數(shù)據(jù)和網(wǎng)絡(luò)數(shù)據(jù)包數(shù)據(jù)的檢測(cè)數(shù)據(jù)源并將其特征格式化，接著產(chǎn)生檢測(cè)器集合，最后通過(guò)檢測(cè)器集合進(jìn)行異常檢測(cè)；中國(guó)專利公開號(hào)cn101299691b中所述的一種基于人工免疫放入動(dòng)態(tài)網(wǎng)格入侵檢測(cè)方法，首先得到演化成熟的檢測(cè)器，然后在人工免疫機(jī)制的協(xié)調(diào)下，動(dòng)態(tài)處理網(wǎng)格環(huán)境中的入侵檢測(cè)問(wèn)題，以上三個(gè)專利中都是通過(guò)先學(xué)習(xí)再檢測(cè)的方法，難以實(shí)現(xiàn)對(duì)復(fù)雜的網(wǎng)絡(luò)形勢(shì)的適應(yīng)，以及高速網(wǎng)絡(luò)中快速、實(shí)時(shí)檢測(cè)的需要，現(xiàn)如今，物聯(lián)網(wǎng)中面臨的無(wú)線傳感網(wǎng)絡(luò)環(huán)境千變?nèi)f化，如果傳統(tǒng)靜態(tài)入侵檢測(cè)技術(shù)的檢測(cè)措施仍一成不變，并不能適應(yīng)物聯(lián)網(wǎng)網(wǎng)絡(luò)環(huán)境的變化。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對(duì)現(xiàn)有技術(shù)中存在的問(wèn)題和不足，提出一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)方法及系統(tǒng)，構(gòu)建了一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)模型，建立多個(gè)本地子模型同時(shí)分布式運(yùn)行以對(duì)物聯(lián)網(wǎng)環(huán)境下面臨的攻擊進(jìn)行全面、實(shí)時(shí)地感知，通過(guò)中央子模型采用人工免疫系統(tǒng)的種痘機(jī)制實(shí)現(xiàn)自學(xué)習(xí)去適應(yīng)物聯(lián)網(wǎng)的本地網(wǎng)絡(luò)環(huán)境，通過(guò)先學(xué)習(xí)、后檢測(cè)、再學(xué)習(xí)的方式提升了物聯(lián)網(wǎng)的全局入侵檢測(cè)能力。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

本發(fā)明提供了一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)方法，包括以下步驟：

1)構(gòu)建一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)整體模型，包括一個(gè)中央子模型和至少三個(gè)相同的本地子模型；本地子模型以旁路的方式接入物聯(lián)網(wǎng)網(wǎng)關(guān)，各本地子模型分布式獨(dú)立地運(yùn)行，由中央子模型對(duì)其統(tǒng)一管理和協(xié)調(diào)，本地子模型和中央子模型共同構(gòu)成基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)模型的整體模型；

2)建立本地子模型

本地子模型包括檢測(cè)器和抗原，所述的抗原為物聯(lián)網(wǎng)感知層數(shù)據(jù)的數(shù)據(jù)特征，抗原分為自體和非自體，所述的自體為正常數(shù)據(jù)的數(shù)據(jù)特征，所述的非自體為攻擊性數(shù)據(jù)的數(shù)據(jù)特征，所述的檢測(cè)器為包含抗原數(shù)據(jù)信息的集合，用于檢測(cè)抗原；檢測(cè)器對(duì)抗原進(jìn)行分類，分成自體和非自體；所述的檢測(cè)器分為非成熟檢測(cè)器，成熟檢測(cè)器和記憶檢測(cè)器；

2.1)將kddcup99數(shù)據(jù)集作為物聯(lián)網(wǎng)感知層的初始攻擊性數(shù)據(jù)集，將該初始攻擊性數(shù)據(jù)集初始化為記憶檢測(cè)器存入中央子模型中的記憶檢測(cè)器庫(kù)中，并通過(guò)系統(tǒng)隨機(jī)生成非成熟檢測(cè)器；

2.2)收集物聯(lián)網(wǎng)安全環(huán)境下的網(wǎng)絡(luò)活動(dòng)數(shù)據(jù)并將其轉(zhuǎn)換為自體；

2.3)捕獲通過(guò)物聯(lián)網(wǎng)網(wǎng)關(guān)的數(shù)據(jù)報(bào)文，將其轉(zhuǎn)換為抗原；

2.4)通過(guò)抗原對(duì)非成熟檢測(cè)器進(jìn)行耐受訓(xùn)練，所述的耐受訓(xùn)練為通過(guò)非成熟檢測(cè)器對(duì)抗原進(jìn)行分類，判斷是否正確區(qū)分自體和非自體，如果不能，則非成熟檢測(cè)器死亡，如果能則非成熟檢測(cè)器成為成熟檢測(cè)器，并激活確定為新的記憶檢測(cè)器；

3)建立中央子模型

3.1)接收疫苗

將新的記憶檢測(cè)器作為疫苗，當(dāng)本地子模型經(jīng)過(guò)耐受訓(xùn)練出新的記憶檢測(cè)器后，將該記憶檢測(cè)器封裝為數(shù)據(jù)包，設(shè)新的記憶檢測(cè)器為r，數(shù)據(jù)包包含新的記憶檢測(cè)器r的信息，將數(shù)據(jù)包發(fā)送給中央子模型，中央子模型在收到數(shù)據(jù)包中新的記憶檢測(cè)器r信息后，將其存入到中央子模型中的記憶檢測(cè)庫(kù)中；

3.2)封裝疫苗

每當(dāng)接收到新的記憶檢測(cè)器r后，中央子模型將新的記憶檢測(cè)器r封裝為用于種痘的疫苗v：

v＝encrypt(hash(packetr),keypri)+encrypt(packetr,keypri)

其中，encrypt()為公鑰加密函數(shù)；keypri為中央子模型的私鑰；hash()為hash函數(shù)；packetr為新的記憶檢測(cè)器信息；“+”為字符串連接符；

3.3)種痘

中央子模型封裝的疫苗v含有本地子模型訓(xùn)練出的新的記憶檢測(cè)器r的信息，系統(tǒng)將其發(fā)給所有的本地子模型，各本地子模型從疫苗v中獲取新的記憶檢測(cè)器r的信息，用于本地物聯(lián)網(wǎng)內(nèi)的物聯(lián)網(wǎng)攻擊檢測(cè)。

優(yōu)選地，所述的步驟2.3，具體包括：

抽取物聯(lián)網(wǎng)感知層數(shù)據(jù)報(bào)文的主要特征信息，將其轉(zhuǎn)換成長(zhǎng)度為l的二進(jìn)制串，定義數(shù)據(jù)報(bào)文的特征信息的狀態(tài)空間為u＝{0,1}^l；將物聯(lián)網(wǎng)感知層數(shù)據(jù)報(bào)文的特征信息轉(zhuǎn)換成免疫環(huán)境下的抗原ag；

定義抗原集合ag為：

ag＝{ag|ag∈u,|ag|＝l,ag＝getsig(packet)}，且

其中，getsig()為感知層數(shù)據(jù)特征信息的提取及轉(zhuǎn)換函數(shù)，packet表示捕獲通過(guò)物聯(lián)網(wǎng)網(wǎng)關(guān)的數(shù)據(jù)報(bào)文；getsig(packet)表示提取數(shù)據(jù)報(bào)文packet的特征信息并將其轉(zhuǎn)換為二進(jìn)制串形式的抗原。

優(yōu)選地，所述的步驟3.2，具體包括：各本地子模型從疫苗v中獲取新的記憶檢測(cè)器r的信息，疫苗v中新的記憶檢測(cè)器r,在各本地子模型中進(jìn)行耐受訓(xùn)練后，用于本地物聯(lián)網(wǎng)的攻擊檢測(cè)。

本發(fā)明還提供了一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)方法的一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)系統(tǒng)，包括：

整體模型模塊，用于構(gòu)建一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)整體模型，包括一個(gè)中央子模型和至少三個(gè)相同的本地子模型；

本地子模型模塊，用于建立本地子模型；本地子模型包括檢測(cè)器和抗原，所述的抗原為物聯(lián)網(wǎng)感知層數(shù)據(jù)的數(shù)據(jù)特征，抗原分為自體和非自體，所述的自體為正常數(shù)據(jù)的數(shù)據(jù)特征，所述的非自體為攻擊性數(shù)據(jù)的數(shù)據(jù)特征，所述的檢測(cè)器為包含抗原數(shù)據(jù)信息的集合，用于檢測(cè)抗原；檢測(cè)器對(duì)抗原進(jìn)行分類，分成自體和非自體；所述的檢測(cè)器分為非成熟檢測(cè)器，成熟檢測(cè)器和記憶檢測(cè)器；

中央子模型模塊，用于建立中央子模型；

所述的本地子模型模塊還包括：

初始化模塊，用于將kddcup99數(shù)據(jù)集作為物聯(lián)網(wǎng)感知層的初始攻擊性數(shù)據(jù)集，將該初始攻擊性數(shù)據(jù)集初始化為記憶檢測(cè)器存入中央子模型中的記憶檢測(cè)器庫(kù)中，并通過(guò)系統(tǒng)隨機(jī)生成非成熟檢測(cè)器；

自體轉(zhuǎn)換模塊，用于收集物聯(lián)網(wǎng)安全環(huán)境下的網(wǎng)絡(luò)活動(dòng)數(shù)據(jù)并將其轉(zhuǎn)換為自體；

抗原轉(zhuǎn)換模塊，用于捕獲通過(guò)物聯(lián)網(wǎng)網(wǎng)關(guān)的數(shù)據(jù)報(bào)文，將其轉(zhuǎn)換為抗原；

記憶檢測(cè)器生成模塊，用于通過(guò)抗原對(duì)非成熟檢測(cè)器進(jìn)行耐受訓(xùn)練，所述的耐受訓(xùn)練為通過(guò)非成熟檢測(cè)器對(duì)抗原進(jìn)行分類，判斷是否正確區(qū)分自體和非自體，如果不能，則非成熟檢測(cè)器死亡，如果能則非成熟檢測(cè)器成為成熟檢測(cè)器，并激活確定為新的記憶檢測(cè)器；

所述的中央子模型模塊還包括：

接收疫苗模塊，用于將記憶檢測(cè)器作為疫苗，當(dāng)本地子模型經(jīng)過(guò)耐受訓(xùn)練出新的記憶檢測(cè)器后，將該記憶檢測(cè)器封裝為數(shù)據(jù)包，設(shè)新的記憶檢測(cè)器為r，數(shù)據(jù)包包含新的記憶檢測(cè)器r的信息，將數(shù)據(jù)包發(fā)送給中央子模型，中央子模型在接收到數(shù)據(jù)包中新的記憶檢測(cè)器r的信息后，將其存入到中央子模型中的記憶檢測(cè)庫(kù)中；

封裝疫苗模塊，用于每當(dāng)接收到新的記憶檢測(cè)器r后，中央子模型將新的記憶檢測(cè)器r封裝為用于種痘的疫苗v：

v＝encrypt(hash(packetr),keypri)+encrypt(packetr,keypri)

其中，encrypt()為公鑰加密函數(shù)；keypri為中央子模型的私鑰；hash()為hash函數(shù)；packetr為新的記憶檢測(cè)器信息；“+”為字符串連接符；

種痘模塊，用于中央子模型封裝的疫苗v含有本地子模型訓(xùn)練出的新的記憶檢測(cè)器r的信息，系統(tǒng)將其發(fā)給所有的本地子模型，各本地子模型從疫苗中獲取新的記憶檢測(cè)器r信息，用于本地物聯(lián)網(wǎng)內(nèi)的物聯(lián)網(wǎng)攻擊檢測(cè)。

本發(fā)明的有益效果：

1.引入了人工免疫系統(tǒng)中免疫要素的動(dòng)態(tài)演化和種痘機(jī)制，采用了分布式、并行式的手段檢測(cè)物聯(lián)網(wǎng)面臨的攻擊，本地子模型通過(guò)訓(xùn)練對(duì)網(wǎng)絡(luò)的自適應(yīng)和自學(xué)習(xí)，產(chǎn)生了高質(zhì)量的檢測(cè)物聯(lián)網(wǎng)攻擊的學(xué)習(xí)成果，并在物聯(lián)網(wǎng)全網(wǎng)范圍內(nèi)共享，有效降低了各本地子模型的訓(xùn)練成本，提高了本地子模型適應(yīng)本地物聯(lián)網(wǎng)環(huán)境能力，并且大力提升了物聯(lián)網(wǎng)全網(wǎng)的入侵檢測(cè)性能；

2.采用分布式機(jī)制構(gòu)建整體模型，使物聯(lián)網(wǎng)數(shù)據(jù)分散到多個(gè)子模型中進(jìn)行處理，提高大規(guī)模數(shù)據(jù)的處理效率，而且避免了由于單點(diǎn)故障引起整體系統(tǒng)的癱瘓，很大程度上提高了整體系統(tǒng)在千變?nèi)f化的物聯(lián)網(wǎng)環(huán)境中的生存能力；

3.模擬免疫系統(tǒng)中免疫細(xì)胞識(shí)別有害抗原的機(jī)制，利用仿生學(xué)原理模擬物聯(lián)網(wǎng)環(huán)境下的免疫模型，讓入侵檢測(cè)要素根據(jù)物聯(lián)網(wǎng)環(huán)境進(jìn)行動(dòng)態(tài)地演化，包括非成熟檢測(cè)器、成熟檢測(cè)器和記憶檢測(cè)器三種動(dòng)態(tài)過(guò)程，物聯(lián)網(wǎng)環(huán)境下的入侵檢測(cè)具有自適應(yīng)性，大大提高了局部物聯(lián)網(wǎng)環(huán)境中入侵檢測(cè)的準(zhǔn)確率和效率。

附圖說(shuō)明

圖1為本發(fā)明基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)方法的流程示意圖。

圖2為本發(fā)明基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)系統(tǒng)的結(jié)構(gòu)示意圖。

圖3為本發(fā)明基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)方法及系統(tǒng)的整體模型的架構(gòu)圖。

圖4為本發(fā)明基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)方法及系統(tǒng)的本地子模型的部署結(jié)構(gòu)圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述：

實(shí)施例1：一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)方法，具體包括以下步驟：

步驟101：構(gòu)建一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)整體模型，包括一個(gè)中央子模型和至少三個(gè)相同的本地子模型；本地子模型以旁路的方式接入物聯(lián)網(wǎng)網(wǎng)關(guān)，各本地子模型分布式獨(dú)立地運(yùn)行，由中央子模型對(duì)其統(tǒng)一管理和協(xié)調(diào)，本地子模型和中央子模型共同構(gòu)成基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)模型的整體模型。

步驟102：建立本地子模型：本地子模型包括檢測(cè)器和抗原，所述的抗原為物聯(lián)網(wǎng)感知層數(shù)據(jù)的數(shù)據(jù)特征，抗原分為自體和非自體，所述的自體為正常數(shù)據(jù)的數(shù)據(jù)特征，所述的非自體為攻擊性數(shù)據(jù)的數(shù)據(jù)特征，所述的檢測(cè)器為包含抗原數(shù)據(jù)信息的集合，用于檢測(cè)抗原；檢測(cè)器對(duì)抗原進(jìn)行分類，分成自體和非自體；所述的檢測(cè)器分為非成熟檢測(cè)器，成熟檢測(cè)器和記憶檢測(cè)器。

步驟103：將kddcup99數(shù)據(jù)集作為物聯(lián)網(wǎng)感知層的初始攻擊性數(shù)據(jù)集，將該初始攻擊性數(shù)據(jù)集初始化為記憶檢測(cè)器存入中央子模型中的記憶檢測(cè)器庫(kù)中，并通過(guò)系統(tǒng)隨機(jī)生成非成熟檢測(cè)器。

步驟104：收集物聯(lián)網(wǎng)安全環(huán)境下的網(wǎng)絡(luò)活動(dòng)數(shù)據(jù)并將其轉(zhuǎn)換為自體。

步驟105：捕獲通過(guò)物聯(lián)網(wǎng)網(wǎng)關(guān)的數(shù)據(jù)報(bào)文，將其轉(zhuǎn)換為抗原。

步驟106：通過(guò)抗原對(duì)非成熟檢測(cè)器進(jìn)行耐受訓(xùn)練，所述的耐受訓(xùn)練為通過(guò)非成熟檢測(cè)器對(duì)抗原進(jìn)行分類，判斷是否正確區(qū)分自體和非自體，如果不能，則非成熟檢測(cè)器死亡，如果能則非成熟檢測(cè)器成為成熟檢測(cè)器，并激活確定為新的記憶檢測(cè)器。

步驟107：建立中央子模型。

步驟108：接收疫苗：將新的記憶檢測(cè)器作為疫苗，當(dāng)本地子模型經(jīng)過(guò)耐受訓(xùn)練出新的記憶檢測(cè)器后，將該記憶檢測(cè)器封裝為數(shù)據(jù)包，設(shè)新的記憶檢測(cè)器為r，數(shù)據(jù)包包含新的記憶檢測(cè)器r的信息，將數(shù)據(jù)包發(fā)送給中央子模型，中央子模型在收到數(shù)據(jù)包中新的記憶檢測(cè)器r信息后，將其存入到中央子模型中的記憶檢測(cè)庫(kù)中。

步驟109：封裝疫苗：每當(dāng)接收到新的記憶檢測(cè)器r后，中央子模型將新的記憶檢測(cè)器r封裝為用于種痘的疫苗v：

v＝encrypt(hash(packetr),keypri)+encrypt(packetr,keypri)

其中，encrypt()為公鑰加密函數(shù)；keypri為中央子模型的私鑰；hash()為hash函數(shù)；packert為新的記憶檢測(cè)器信息；“+”為字符串連接符；

步驟110：種痘：中央子模型封裝的疫苗v含有本地子模型訓(xùn)練出的新的記憶檢測(cè)器r信息，系統(tǒng)將其發(fā)給所有的本地子模型，各本地子模型從疫苗v中獲取新的記憶檢測(cè)器r的信息，用于本地物聯(lián)網(wǎng)內(nèi)的物聯(lián)網(wǎng)攻擊檢測(cè)。

實(shí)施例2：另一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)方法，具體包括以下步驟：

步驟201：構(gòu)建一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)整體模型，包括一個(gè)中央子模型和至少三個(gè)相同的本地子模型；本地子模型以旁路的方式接入物聯(lián)網(wǎng)網(wǎng)關(guān)，各本地子模型分布式獨(dú)立地運(yùn)行，由中央子模型對(duì)其統(tǒng)一管理和協(xié)調(diào)，本地子模型和中央子模型共同構(gòu)成基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)模型的整體模型。

步驟202：建立本地子模型：本地子模型包括檢測(cè)器和抗原，所述的抗原為物聯(lián)網(wǎng)感知層數(shù)據(jù)的數(shù)據(jù)特征，抗原分為自體和非自體，所述的自體為正常數(shù)據(jù)的數(shù)據(jù)特征，所述的非自體為攻擊性數(shù)據(jù)的數(shù)據(jù)特征，所述的檢測(cè)器為包含抗原數(shù)據(jù)信息的集合，用于檢測(cè)抗原；檢測(cè)器對(duì)抗原進(jìn)行分類，分成自體和非自體；所述的檢測(cè)器分為非成熟檢測(cè)器，成熟檢測(cè)器和記憶檢測(cè)器。

步驟203：將kddcup99數(shù)據(jù)集作為物聯(lián)網(wǎng)感知層的初始攻擊性數(shù)據(jù)集，將該初始攻擊性數(shù)據(jù)集初始化為記憶檢測(cè)器存入中央子模型中的記憶檢測(cè)器庫(kù)中，并通過(guò)系統(tǒng)隨機(jī)生成非成熟檢測(cè)器。

步驟204：收集物聯(lián)網(wǎng)安全環(huán)境下的網(wǎng)絡(luò)活動(dòng)數(shù)據(jù)并將其轉(zhuǎn)換為自體。

步驟205：捕獲通過(guò)物聯(lián)網(wǎng)網(wǎng)關(guān)的數(shù)據(jù)報(bào)文，將其轉(zhuǎn)換為抗原；抽取物聯(lián)網(wǎng)感知層數(shù)據(jù)報(bào)文的主要特征信息，將其轉(zhuǎn)換成長(zhǎng)度為l的二進(jìn)制串，定義數(shù)據(jù)報(bào)文的特征信息的狀態(tài)空間為；將物聯(lián)網(wǎng)感知層數(shù)據(jù)報(bào)文的特征信息轉(zhuǎn)換成免疫環(huán)境下的抗原ag；

定義抗原集合ag為：

ag＝{ag|ag∈u,|ag|＝l,ag＝getsig(packet)}，且

其中，getsig()為感知層數(shù)據(jù)特征信息的提取及轉(zhuǎn)換函數(shù)，packet表示捕獲通過(guò)物聯(lián)網(wǎng)網(wǎng)關(guān)的數(shù)據(jù)報(bào)文；getsig(packet)表示提取數(shù)據(jù)報(bào)文packet的特征信息并將其轉(zhuǎn)換為二進(jìn)制串形式的抗原。

步驟206：通過(guò)抗原對(duì)非成熟檢測(cè)器進(jìn)行耐受訓(xùn)練，所述的耐受訓(xùn)練為通過(guò)非成熟檢測(cè)器對(duì)抗原進(jìn)行分類，判斷是否正確區(qū)分自體和非自體，如果不能，則非成熟檢測(cè)器死亡，如果能則非成熟檢測(cè)器成為成熟檢測(cè)器，并激活確定為新的記憶檢測(cè)器。

步驟207：建立中央子模型。

步驟208：接收疫苗：將新的記憶檢測(cè)器作為疫苗，當(dāng)本地子模型經(jīng)過(guò)耐受訓(xùn)練出新的記憶檢測(cè)器后，將該記憶檢測(cè)器封裝為數(shù)據(jù)包，設(shè)新的記憶檢測(cè)器為r，數(shù)據(jù)包包含新的記憶檢測(cè)器r的信息，將數(shù)據(jù)包發(fā)送給中央子模型，中央子模型在收到數(shù)據(jù)包中新的記憶檢測(cè)器r信息后，將其存入到中央子模型中的記憶檢測(cè)庫(kù)中。

步驟209：封裝疫苗：每當(dāng)接收到新的記憶檢測(cè)器r后，中央子模型將新的記憶檢測(cè)器r封裝為用于種痘的疫苗v：

v＝encrypt(hash(packetr),keypri)+encrypt(packetr,keypri)

其中，encrypt()為公鑰加密函數(shù)；keypri為中央子模型的私鑰；hash()為hash函數(shù)；packetr為新的記憶檢測(cè)器信息；“+”為字符串連接符。

步驟211：種痘：中央子模型封裝的疫苗v含有本地子模型訓(xùn)練出的新的記憶檢測(cè)器r的信息，系統(tǒng)將其發(fā)給所有的本地子模型，各本地子模型從疫苗v中獲取新的記憶檢測(cè)器r的信息，用于本地物聯(lián)網(wǎng)內(nèi)的物聯(lián)網(wǎng)攻擊檢測(cè)。

作為一種可實(shí)施的方式，本發(fā)明根據(jù)基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)方法的整體模型研究出一套網(wǎng)絡(luò)入侵防御系統(tǒng)，在構(gòu)建的網(wǎng)絡(luò)中模擬物聯(lián)網(wǎng)攻擊環(huán)境，搭建仿真軟件環(huán)境，并進(jìn)行模擬實(shí)驗(yàn)，然后利用網(wǎng)絡(luò)管理中心龐大的校園網(wǎng)絡(luò)搭建測(cè)試平臺(tái)，測(cè)試該系統(tǒng)的運(yùn)行情況，并評(píng)估該系統(tǒng)的技術(shù)指標(biāo)；通過(guò)測(cè)試得到該網(wǎng)絡(luò)入侵防御系統(tǒng)的主要技術(shù)指標(biāo)為：1)網(wǎng)絡(luò)攻擊攔截速率>2.2gbps；

2)報(bào)文轉(zhuǎn)發(fā)延遲<100微秒；(icsa認(rèn)證標(biāo)準(zhǔn))

3)并發(fā)連接數(shù)>180萬(wàn)；

4)每秒新建會(huì)話數(shù)>22000sessions/sec；

5)系統(tǒng)的cpu使用率<10％；

通過(guò)該系統(tǒng)的主要技術(shù)指標(biāo)，得出該系統(tǒng)應(yīng)用效果良好，能夠保證一個(gè)更加安全、穩(wěn)定與快速的內(nèi)部網(wǎng)，保障系統(tǒng)安全、信息安全與技術(shù)安全，同時(shí)以這些主要技術(shù)指標(biāo)為依據(jù)，能夠進(jìn)一步地完善系統(tǒng)的性能。

實(shí)施例3：一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)系統(tǒng)，包括：

整體模型模塊301，本地子模型模塊和中央子模型模塊，所述的本地子模型模塊包括初始化模塊302、自體轉(zhuǎn)換模塊303、抗原轉(zhuǎn)換模塊304、記憶檢測(cè)器生成模塊305；所述的中央子模型模塊包括接收疫苗模塊306，封裝疫苗模塊307，種痘模塊308；整體模型模塊301依次連接初始化模塊302、自體轉(zhuǎn)換模塊303、抗原轉(zhuǎn)換模塊304、記憶檢測(cè)器生成模塊305、接收疫苗模塊306，封裝疫苗模塊307，種痘模塊308。

整體模型模塊301，用于構(gòu)建一種基于免疫的物聯(lián)網(wǎng)分布式入侵檢測(cè)整體模型，包括一個(gè)中央子模型和至少三個(gè)相同的本地子模型；本地子模型模塊，用于構(gòu)建本地子模型；本地子模型包括檢測(cè)器和抗原，所述的抗原為物聯(lián)網(wǎng)感知層數(shù)據(jù)的數(shù)據(jù)特征，抗原分為自體和非自體，所述的自體為正常數(shù)據(jù)的數(shù)據(jù)特征，所述的非自體為攻擊性數(shù)據(jù)的數(shù)據(jù)特征，所述的檢測(cè)器為包含抗原數(shù)據(jù)信息的集合，用于檢測(cè)抗原；檢測(cè)器對(duì)抗原進(jìn)行分類，分成自體和非自體；所述的檢測(cè)器分為非成熟檢測(cè)器，成熟檢測(cè)器和記憶檢測(cè)器。中央子模型模塊，用于構(gòu)建中央子模型；初始化模塊302，用于將kddcup99數(shù)據(jù)集作為物聯(lián)網(wǎng)感知層的初始攻擊性數(shù)據(jù)集，將該初始攻擊性數(shù)據(jù)集初始化為記憶檢測(cè)器存入中央子模型中的記憶檢測(cè)器庫(kù)中，并通過(guò)系統(tǒng)隨機(jī)生成非成熟檢測(cè)器；自體轉(zhuǎn)換模塊303，用于收集物聯(lián)網(wǎng)安全環(huán)境下的網(wǎng)絡(luò)活動(dòng)數(shù)據(jù)并將其轉(zhuǎn)換為自體；抗原轉(zhuǎn)換模塊304，用于捕獲通過(guò)物聯(lián)網(wǎng)網(wǎng)關(guān)的數(shù)據(jù)報(bào)文，將其轉(zhuǎn)換為抗原；記憶檢測(cè)器生成模塊305，用于通過(guò)抗原對(duì)非成熟檢測(cè)器進(jìn)行耐受訓(xùn)練，所述的耐受訓(xùn)練為通過(guò)非成熟檢測(cè)器對(duì)抗原進(jìn)行分類，判斷是否正確區(qū)分自體和非自體，如果不能，則非成熟檢測(cè)器死亡，如果能則非成熟檢測(cè)器成為成熟檢測(cè)器，并激活確定為新的記憶檢測(cè)器；接收疫苗模塊306，用于將新的記憶檢測(cè)器作為疫苗，當(dāng)本地子模型經(jīng)過(guò)耐受訓(xùn)練出新的記憶檢測(cè)器后，將該記憶檢測(cè)器封裝為數(shù)據(jù)包，設(shè)新的記憶檢測(cè)器為r，數(shù)據(jù)包包含記憶檢測(cè)器r的信息，將數(shù)據(jù)包發(fā)送給中央子模型，中央子模型在收到數(shù)據(jù)包中新的記憶檢測(cè)器r的信息后，將其存入到中央子模型中的記憶檢測(cè)庫(kù)中；封裝疫苗模塊307，用于每當(dāng)接收到新的記憶檢測(cè)器r后，中央子模型將新的記憶檢測(cè)器r封裝為用于種痘的疫苗v：

v＝encrypt(hash(packetr),keypri)+encrypt(packetr,keypri)

其中，encrypt()為公鑰加密函數(shù)；keypri為中央子模型的私鑰；hash()為hash函數(shù)；packetr為新的記憶檢測(cè)器信息；“+”為字符串連接符；種痘模塊308，用于中央子模型封裝的疫苗v含有本地子模型訓(xùn)練出的新的記憶檢測(cè)器r的信息，系統(tǒng)將其發(fā)給所有的本地子模型，各本地子模型從疫苗v中獲取新的記憶檢測(cè)器r的信息，用于本地物聯(lián)網(wǎng)內(nèi)的物聯(lián)網(wǎng)攻擊檢測(cè)。

以上所示僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。