V-detector优化算法

针对人工免疫系统中V-detector否定选择算法造成的检测器集合黑洞和检测器高重叠率等问题，借鉴生物免疫系统对免疫细胞的调节机制，提出了V-detector优化算法。该算法从父代产生候选检测器子代并通过检测器之间以及检测器与自体集合之间的亲和力对比更新检测器集合，使得检测器集合对非自体空间的覆盖更加合理。通过二维仿真实验和KDDCUP99数据集实验测试，经优化后的检测器集合对非自体空间的覆盖性能有了显著提高，有效提高了系统的检测性能。

基于检测器覆盖率评估的否定选择算法

分析了检测器数目对检测性能的影响,构造了一种基于检测器覆盖率评估的否定选择算法;为了进一步减少冗余检测器,提出了一种检测器集优化方法.仿真实验表明,本文算法能够在保证较高检测率的前提下,降低检测器集规模,从而提供了良好的检测效率,具有较好的理论价值和工程应用价值.

改进复合免疫算法的大规模网络入侵攻击检测

为提高入侵攻击检测效果以应对多种网络攻击,提出一种改进复合免疫算法的大规模网络入侵攻击检测方法。通过对自我和非我的区分匹配,描述网络入侵攻击检测问题,凭借模糊算法规则明确免疫机制界限。将遗传算法带入否定选择法中,令任意染色体可描述为模糊规则中的部分限定,设定惩罚系数限制规则覆盖正常样本的概率,令检测器选择过程简单化。选用二进制编码和汉明距离计算抗体与抗原间亲和度,得出二者在大规模网络内的浓度,最后基于检测器数据集与网络数据对比,若匹配则存在入侵攻击,根据对比结果记录抗体并报警。实验结果表明,所提方法能够提高检测精度和效率,具有极佳的适用性和应用价值。