基于r-连续位匹配规则的免疫计算中孔洞的研究

自体/非自体识别是免疫计算的基础,也是构建人工免疫系统的核心问题之一。针对免疫算法的编码方式,孔洞定义及其成因进行了阐述;在此基础上量化分析了基于r-连续位匹配规则的孔洞规模,给出了此类孔洞数目的计算算法;最后比较现有方案,提出更为优化的解决方案。

基于PCA与R-连续位匹配的亲和力改进算法

人工免疫算法中传统亲和力计算方法一般采用r-连续位匹配规则,但这种匹配规则不能有效识别已知入侵的变种,且编码长度直接影响入侵检测的效率。为提高检测率,在PCA特征提取的基础上,采用分段加权的思想改进亲和力算法。实验结果表明,改进的亲和力算法能有效提高入侵检测的检测率。

种子检测器刺激-应答变异算法研究

为降低阴性选择算法(NSA)的时间复杂度,提出了一种应用种子个体连续位刺激变异的检测器生成策略:首先随机生成种子检测器集合,根据其与自体的亲和度选定变异个体和变异片段;其次在被选个体的特定基因片段发生刺激.应答变异(SRM),产生新的候选检测器个体;最后应用r位连续匹配准则筛选候选个体生成新的检测器。该策略的算法特点在于利用种子个体和自体集合的模式信息指导变异过程,降低候选检测器与自体的匹配成功率。实验表明,在保持高检测率的同时,种子检测器SRM算法比穷举算法、个体随机变异算法和检测器连续胞体超变异(CSH)算法的生成效率更高。

基于负选择算法的异常入侵检测

自然免疫系统的保护机制为设计计算机入侵检测带来了巨大的灵感,并且它是一种能够解决复杂入侵问题的信息安全技术。本文提出一个新的异常入侵检测算法,该算法能够通过产生有效率的检测因子来检测即时的入侵。