树突状细胞算法原理及其应用

描述树突状细胞的生物学机理,给出树突状细胞算法(DCA)的设计、实现及改进过程。介绍DCA在计算机网络、无线传感器网络、实时嵌入式系统和机器人学等方面的应用情况,对算法性能进行评价。基于标准数据集,将DCA与其他方法进行比较,分析DCA存在的问题,指出其下一步的研究方向。

基于DCA的数据融合方法研究

树突状细胞算法(Dendritic Cell Algorithm,DCA)是一种受固有免疫系统细胞启发所提出的人工免疫系统算法,通常用于入侵检测和异常检测。DCA在计算机网络、无线传感器网络、实时嵌入式系统和机器人等方面展开应用,取得较高的检测率,具有良好应用前景。本文提出了基于DCA的数据融合(DCA based Data Fusion,DCADF)模型,描述了模型的系统结构,给出了利用模型解决实际问题的一般过程,并将DCADF模型与数据融合系统一般模型进行比较,从系统结构和功能以及系统特性等方面比较了两种模型的共性和差别,分析了DCADF模型的特征,指出了DCADF模型的独特特性以及可能的使用场景。通过内网SYN Flood攻击主机检测实验对模型进行仿真验证,仿真结果表明DCADF模型具有可行性,为数据融合研究提供了一种新的方法和思路。

针对无序数据集异常检测的树突状细胞算法

为了提高树突状细胞算法对无序数据集的异常检测性能,分析了上下文环境的频繁转换是导致检测精度降低的主要原因,提出了一个"倍增-归并"的树突状细胞算法。先将数据集放大n倍,即每种抗原产生n个实例,对每个实例进行评估,综合每种抗原的n次评估得到最终结果。算法体现了细胞环境决定抗原状态的生物机制,通过倍增营造了相对稳定的环境,通过归并综合了多数正确判断减少了误判的影响。实验结果表明,该算法对无序数据集具有可观的检测精度和稳定的检测性能。

面向异常检测的时间序列树突状细胞算法

针对树突状细胞算法中信号及参数的定义存在高度随机性,导致检测率较低的问题,提出了一种时间序列数据的异常检测树突状细胞算法.采用多维数据流相关性分析和变化点检测方法对抗原进行检测,遴选出能够反映突变状态的关键点数据作为异常活动候选解;基于变化点子空间追踪算法提取特征集,准确地获取及分类各种输入信号子空间;在算法的上下文评估中加入动态迁移阈值的概念,累积一定窗口时间内的抗原评估,有效地减少了误判率.通过仿真实验证明该算法能够利用更少的存储空间和计算资源,有效地提高异常检测的检测率与准确率,具有更高的稳定性.

用于异常检测的小参数集树突状细胞算法

树突状细胞算法（dendritic cell algorithm,DCA）是受自然免疫系统中树突状细胞的功能启发的免疫算法。当应用于实时异常检测时该算法具有优越的性能,但由于参数和随机元素相当多,算法难于分析。提出了一种用于异常检测的小参数集树突状细胞算法,在保证算法实现正确功能的前提下,减少了DCA中的参数,使算法参数数量得到了控制。此外,新算法还定义了更为简洁的信号处理过程以及对应的异常度量和异常阈值。最后,利用端口扫描数据集对算法进行了测试,实验结果表明,新算法是DCA的一种有效形式,新的异常度量更加敏感且它体现出的正确分类时间延长了30.3%~56.7%。

可调控误报率和漏报率的树突状细胞算法

为了解决传统树突状细胞算法(DCA)对环境评判的盲目性,分析DCA权值矩阵对检测结果的影响,提出两种可调控误报率和漏报率的DCA。一种是改进的投票制DCA,即在树突状细胞(DC)状态转换准则中融入倾向因子,以求得对环境评判的公平,并通过对倾向因子的微调控制检测结果的误报率和漏报率;另一种是评分制DCA,即在DC状态转化阶段忽略对细胞环境的评判,改为直接对抗原进行评分,最后根据抗原的平均分分布调整异常阈值,以达到调控误报率和漏报率的目的。实验表明,两种算法均有效地实现了结果可控性,相比而言,评分制DCA可实现更为直观的调控。

树突状细胞算法在Web服务器异常检测中的应用

Web服务器常因遭受攻击或负载过大进入异常状态,无法响应用户请求。为解决已有异常检测方法准确率较低的问题,将DCA引入Web服务器的异常检测,建立Web服务器运行状态的多层次指标体系,给出指标体系针对抗原、危险信号及安全信号的映射定义,描述了Web服务器异常检测的方法。对比实验表明该方法较传统的统计学方法及K-means聚类方法,具有准确率高、误报率低的优点,能够有效检测Web服务器异常。

DCA在数据库服务器异常检测中的应用

针对现有数据库服务器异常检测方法存在计算量较大,系统资源消耗较大的问题,引入危险理论中的树突状细胞算法(DCA)进行检测.首先对数据库服务器的运行特征进行分析;其次建立数据库服务器异常检测的多维指标体系,并对指标进行归一化处理;最后应用树突状细胞算法对其运行状态进行异常检测.实验结果表明树突状细胞算法在数据库服务器的异常检测中消耗较少的系统资源,并具有较高的准确率和较低的误报率.

结果可控树突状细胞算法

为解决传统树突状细胞算法因涉及大量不确定因素而导致的难以协调误报率和漏报率的关系的问题并在传统树突状细胞算法的基础上提高算法的检测精度,通过对树突状细胞算法信号转换公式、权值矩阵及其他不确定参数的分析,提出倾向因子的概念和结果可控树突状细胞算法。该算法具有更高的检测精度和更好的普适性,能够根据不同的细胞环境确定相应的倾向因子,进而实现对检测结果的调控能力。通过使用不同参数和多种数据集进行仿真实验,证明了概念的合理性和算法的有效性。

基于TLR异常检测系统的DC算法研究

在数据异常检测实验中,针对传统DC(Dendritic Cell)算法的检测不够精确的问题,结合生物免疫体系中天然免疫的TLR(Toll-Like Receptor)的工作机制,提出一种基于TLR异常检测系统的DC算法。该算法首先利用DC算法得到成熟与半成熟的DC,再将这两类DC作为输入提供给TLR进行处理,最后通过对激活TC的刺激水平来判断是否异常。