檢測(cè)器生成和自我表示方法研究.pdf

1、非選擇算法（NSA）是一類人工免疫算法，它基于自然免疫系統(tǒng)的自我非我識(shí)別機(jī)制。實(shí)值非選擇算法（RNSA）是一類重要的非選擇算法，它采用實(shí)值表示方法，常用于解決實(shí)值空間的異常檢測(cè)問(wèn)題。
　　 在非選擇算法中，首先需要定義一組自我集，它包含了系統(tǒng)正常的狀態(tài)特征。由于自我集本身的有限性，需要通過(guò)一定的方法來(lái)對(duì)自我集中的自我樣本進(jìn)行擴(kuò)展，使得它們可以盡量的覆蓋自我空間，同時(shí)又不會(huì)覆蓋過(guò)多的非我空間。隨后，基于自我集中的自我樣本，生成不與

2、自我樣本相匹配的成熟檢測(cè)器集。最后，通過(guò)成熟檢測(cè)器集來(lái)對(duì)系統(tǒng)的異常行為或狀態(tài)進(jìn)行檢測(cè)。
　　 本文主要研究實(shí)值非選擇算法的檢測(cè)器生成問(wèn)題和自我表示問(wèn)題。針對(duì)非選擇算法中這兩個(gè)重要的問(wèn)題，本文提出了新的檢測(cè)器生成算法和自我表示方法。具體工作包括以下幾個(gè)方面：
　　 （1）針對(duì)隨機(jī)生成的檢測(cè)器集效率不高的問(wèn)題，本文提出了一種新的檢測(cè)器進(jìn)化生成算法EvoSeedRNSA。EvoSeedRNSA將進(jìn)化算法和檢測(cè)器生成算法相結(jié)合，

3、通過(guò)進(jìn)化隨機(jī)數(shù)種子，可以生成近似最優(yōu)的檢測(cè)器集。和V-detector算法的實(shí)驗(yàn)比較結(jié)果表明，EvoSeedRNSA在檢測(cè)率上有較大提高。
　　 （2）在EvoSeedRNSA算法基礎(chǔ)上，本文提出了一種改進(jìn)的檢測(cè)器進(jìn)化生成算法EvoSeedRNSAII。通過(guò)重新設(shè)計(jì)個(gè)體的編碼方式和遺傳算子，EvoSeedRNSAII能夠更有效的保留個(gè)體中好的模式，使得算法性能得到了進(jìn)一步提高。實(shí)驗(yàn)結(jié)果表明，隨著個(gè)體中隨機(jī)數(shù)種子組數(shù)的增加，Evo

4、SeedRNSA II算法的檢測(cè)率有了明顯的提升。
　　 （3）針對(duì)固定自我半徑的自我表示方法的不足，本文提出了一種新的基于自適應(yīng)自我半徑的自我表示方法。本文首先提出了基于K近鄰算法（K-NN）的自我表示方法K-NN-ASR。隨后，又引入了一種新的邊界判定方法，將這種邊界判定方法和K-NN結(jié)合，提出了帶邊界判定的自我表示方法B-NN-ASR。K-NN-ASR、B-NN-ASR和固定自我半徑的自我表示方法的實(shí)驗(yàn)比較結(jié)果表明，B-N