The invention provides a multi-source generation algorithm of neighborhood morphological space artificial immune detector, which belongs to the technical field of artificial intelligence immune system. The neighborhood morphological space artificial immune detector multi-source generation algorithm uses neighborhood morphological space, improves neighborhood negative selection algorithm, introduces chaos theory and genetic algorithm to form a detector multi-source generation algorithm, so as to solve the problems of detector algorithms in real-valued morphological space.
【技术实现步骤摘要】
一种邻域形态空间人工免疫检测器多源生成算法
本专利技术涉及一种邻域形态空间人工免疫检测器多源生成算法,属于人工智能免疫系统
技术介绍
异常检测建立正常行为的模式轮廓,若当前活动违反其规则则被视为异常。人工免疫系统是人工智能技术的重要分支之一,它是一种模仿生物免疫系统功能的一种智能方法,被广泛应用于异常检测、数据挖掘、机器学习等多个领域。检测器是其核心集合,其生成、优化和检测操作决定了应用效果。目前,人工免疫系统通常把问题域转换到实值形态空间下,然而传统的基于实值形态空间的检测器各个算法存在着很多问题。其中,以检测器的数量或者统计推断作为算法结束条件会造成检测器的冗余、检测器覆盖率低造成的“黑洞”问题。同时,实值形态空间下的样本匹配策略主要是依据Euclidean距离或Manhattan距离,而映射复杂环境特征的实值检测器维数较高,会造成“维数灾难”问题,检测器各个算法的时空代价急剧增长,从而使系统检测性能急剧下降。
技术实现思路
本专利技术为了解决现有技术中“黑洞”问题和“维度灾难”问题,提出了一种邻域形态空间人工免疫检测器多源生成算法,所采取的技术方案如下:一种邻域形态空间人工免疫检测器多源生成算法,所述生成方法包括:步骤一、将样本进行标准化预处理;步骤二、设定参数,所述参数包括:成熟检测器最大规模Nd,训练阈值ρ,邻域划分步长step、算法结束条件的空间覆盖率p和遗传算法最大进化代数T;步骤三、根据所述邻域划分步长step划分领域形态空间,将自体样本映射到邻域形态空间,并确定样本中每维属性的边界和样本在每维属性下的步长;步骤四:利用系统随机函数n ...
【技术保护点】
1.一种邻域形态空间人工免疫检测器多源生成算法,其特征在于,所述生成方法包括:步骤一、将样本进行标准化预处理;步骤二、设定参数,所述参数包括:成熟检测器最大规模Nd,训练阈值ρ,邻域划分步长step、算法结束条件的空间覆盖率p和遗传算法最大进化代数T;步骤三、根据所述邻域划分步长step划分领域形态空间,将自体样本映射到邻域形态空间,并确定样本中每维属性的边界和样本在每维属性下的步长;步骤四:利用系统随机函数生成随机数n;然后,根据所述随机数确定候选检测器生成源;所述候选检测器生成源包括随机、混沌映射和遗传算法;步骤五、利用所述候选检测器生成源生成候选检测器;步骤六:进行亲和力计算,获得亲和力计算结果,结合所述亲和力计算结果通过邻域形态空间下的否定选择对候选检测器进行亲和力耐受训练,通过亲和力计算结果进行亲和力耐受训练,如果亲和力小于训练阈值ρ,则说明候选检测器通过了亲和力耐受训练,并将所述候选检测器加入到成熟检测器集合,并计算所述候选检测器的空间覆盖率p;否则,则说明候选检测器没有通过亲和力耐受训练,然后返回到步骤二,重复步骤二至步骤五的执行内容,直至和力小于训练阈值ρ,所述候选检测 ...
【技术特征摘要】
1.一种邻域形态空间人工免疫检测器多源生成算法,其特征在于,所述生成方法包括:步骤一、将样本进行标准化预处理;步骤二、设定参数,所述参数包括:成熟检测器最大规模Nd,训练阈值ρ,邻域划分步长step、算法结束条件的空间覆盖率p和遗传算法最大进化代数T;步骤三、根据所述邻域划分步长step划分领域形态空间,将自体样本映射到邻域形态空间,并确定样本中每维属性的边界和样本在每维属性下的步长;步骤四:利用系统随机函数生成随机数n;然后,根据所述随机数确定候选检测器生成源;所述候选检测器生成源包括随机、混沌映射和遗传算法;步骤五、利用所述候选检测器生成源生成候选检测器;步骤六:进行亲和力计算,获得亲和力计算结果,结合所述亲和力计算结果通过邻域形态空间下的否定选择对候选检测器进行亲和力耐受训练,通过亲和力计算结果进行亲和力耐受训练,如果亲和力小于训练阈值ρ,则说明候选检测器通过了亲和力耐受训练,并将所述候选检测器加入到成熟检测器集合,并计算所述候选检测器的空间覆盖率p;否则,则说明候选检测器没有通过亲和力耐受训练,然后返回到步骤二,重复步骤二至步骤五的执行内容,直至和力小于训练阈值ρ,所述候选检测器通过亲和力耐受训练;步骤七:使用MonteCarlo方法估计检测器覆盖率,如果没有达到空间覆盖率p或者生成检测器数量小于成熟检测器最大规模Nd,则重复步骤二至步骤六的执行内容直至检测器覆盖率达到空间覆盖率p或者生成检测器数量不小于成熟检测器最大规模Nd;否则算法结束。2.根据权利要求1所述邻域形态空间人工免疫检测器多源生成方法,其特征在于,步骤一中根据预处理模型对样本进行标准化预处理,所述预处理模型为:其中,X为样本,X*为预处理后样本max(X)为所在维度取值的最大值;min(X)为所在维度取值的最小值。3.根据权利要求1所述邻域形态空间人工免疫检测器多源生成方法,其特征在于,步骤三所述邻域形态空间是集合[0,1]n的离散拓扑空间的一个子集,将[0,1]n划分成多个互不相交的邻域;在邻域形态空间上的样本表示为s=[s1,s2,…,sn]T(2)其中,n为空间维度,si(i=1,2,…,n)为所述样本在第i维上的划分编码值,si=(si(j-1),sij),si(j-1))和sij为所述样本在第i维上...
【专利技术属性】
技术研发人员:席亮,姚之钰,赵一霖,张凤斌,
申请(专利权)人:哈尔滨理工大学,
类型:发明
国别省市:黑龙江,23
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。