The invention belongs to the technical field of anomaly detection, comprising a negative selection method for anomaly detection: a formal definition of the specific problem of anomaly detection; normal samples and autologous anomaly detection set is defined; using integrated hypothesis testing two negative selection process detector; to detect the input data, if with the detector matching, for abnormal data, otherwise normal data. The two negative generation process of the detector includes the first negative selection with the existing detector and then the second negative selection process with the autologous. The detector is generated through the two negation process, and the condition of receiving and rejecting null hypothesis is changed to update the detector set rapidly, and the generation of invalid detectors is reduced. The false alarm rate of the anomaly detection is reduced, the number of detectors generated has been significantly reduced, the detector efficiency has been improved, and it is suitable for online fast detection.
【技术实现步骤摘要】
一种用于异常检测的否定选择方法
本专利技术属于异常检测
,尤其涉及一种用于异常检测的否定选择方法。
技术介绍
异常检测技术在网络安全、数据分析等方面有着广泛的应用。基于免疫的否定选择算法(又称阴性选择算法)是实现异常检测的一种有效方法,并在工程中得到了广泛应用。面向异常检测的否定选择算法中,检测器集的好坏和多少直接影响着检测性能,因此,如何有效的生成检测器是否定选择算法中的关键问题。按照数据表示方式,否定选择算法可以分为字符串(包含二进制)表示和实数值向量表示。由于实值比字符串更适合描述数值型数据在空间的分布和处理高维问题,更符合实际应用,得到了研究者更为广泛的关注。实值否定选择算法中,最为代表性的算法是V-Detector算法,后续的很多研究与应用都基于此展开。但这类算法的缺点之一是:没有及时对检测器集合进行更新,仍产生了大量无效的检测器,导致算法的效率降低,影响了在实际问题中的推广应用。综上所述,现有技术存在的问题是:现有的存在异常检测的否定选择没有及时更新检测器集合,导致了冗余检测器的生成,造成异常检测速度慢,误报率高。
技术实现思路
针对现有技术存在的问题,本专利技术提供了一种用于异常检测的否定选择方法。本专利技术是这样实现的,一种种用于异常检测的否定选择方法,所述用于异常检测的否定选择方法对具体的异常检测问题进行形式化定义;定义异常检测问题的正常样本和自体集,随机产生检测器,通过自体集训练随机产生的检测器集,与自体不匹配的检测器作为候选检测器;输入要检测的异常数据,如果与检测器匹配,则为异常数据,否则为正常数据。进一步,检测器生成中采用集成假设 ...
【技术保护点】
一种用于异常检测的否定选择方法,其特征在于,所述用于异常检测的否定选择方法对具体的异常检测问题进行形式化定义;定义异常检测问题的正常样本和自体集,使用集成假设检验的二次否定选择过程产生检测器;检测器的二次否定生成过程包括;与已有的检测器进行第一次否定选择,然后与自体进行第二次否定选择过程;并通过改变接受和拒绝零假设的条件来快速更新检测器集;,输入要检测的数据,如果与检测器匹配,则为异常数据,否则为正常数据。
【技术特征摘要】
1.一种用于异常检测的否定选择方法,其特征在于,所述用于异常检测的否定选择方法对具体的异常检测问题进行形式化定义;定义异常检测问题的正常样本和自体集,使用集成假设检验的二次否定选择过程产生检测器;检测器的二次否定生成过程包括;与已有的检测器进行第一次否定选择,然后与自体进行第二次否定选择过程;并通过改变接受和拒绝零假设的条件来快速更新检测器集;,输入要检测的数据,如果与检测器匹配,则为异常数据,否则为正常数据。2.如权利要求1所述的用于异常检测的否定选择方法,其特征在于,检测器生成中采用集成假设检验的生成算法具体包括:(1)随机生成一个候选检测器;(2)首先检测随机生成的检测器是否被已有的检测器覆盖;如果被覆盖,则转(1)重新随机生成;否则,进一步判断该检测器是否自体,如果是自体,则转(1)重新随机生成;否则,转(3);(3)再次判断是否被检测器覆盖;如果被检测器覆盖,则判断是否达到结束条件(4);(4)结束条件为:通过记录被覆盖的非自体的数量m和没被覆盖的非自体数量m’作为拒绝和接受零假设的条件(m+m’=n),且只要被覆盖的点的数量比其上限值(mmax)要更大,将接受零假设,结束算法,将检测器集自动地进行一次更新;否则,转(5);(5)判断m′>n-mmax是否成立,如果成立,将其作为成熟检测器,否则转(1)。3.如权利要求1所述的用于异常检测的否定选择方法,其特征在于,所述用于异常检测的否定选择方法具体包括:第一...
【专利技术属性】
技术研发人员:柴争义,李亚伦,杨建辉,吴聪,
申请(专利权)人:天津工业大学,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。