在基于人工免疫的入侵检测研究领域,一般都是应用随机产生字符串的方法来生成检测器。这种方法生成检测器的速度较慢,而且生成的检测器集的检测率低。由于非我样本中存在着关于非我空间的信息,提出通过应用非我样本来初始化基因库并应...在基于人工免疫的入侵检测研究领域,一般都是应用随机产生字符串的方法来生成检测器。这种方法生成检测器的速度较慢,而且生成的检测器集的检测率低。由于非我样本中存在着关于非我空间的信息,提出通过应用非我样本来初始化基因库并应用基因库来生成检测器的方法来检测入侵。应用KDD Cup 1999入侵检测数据集,通过实验证明该方法是有效的,能更快地生成检测率更高的检测器集。展开更多
邻域否定选择算法遍历每个自体样本,导致计算量大及匹配阶段重叠率高等问题。为此,对邻域否定选择算法和聚类技术进行研究,提出一种邻域检测器生成算法。将自体样本映射到构建好的邻域空间中进行聚类,同时对随机检测器予以耐受,训练出...邻域否定选择算法遍历每个自体样本,导致计算量大及匹配阶段重叠率高等问题。为此,对邻域否定选择算法和聚类技术进行研究,提出一种邻域检测器生成算法。将自体样本映射到构建好的邻域空间中进行聚类,同时对随机检测器予以耐受,训练出成熟的邻域检测器。在KDD CUP 1999数据集上的仿真结果表明,该算法可以缩短生成检测器的时间,有效解决高重叠问题,提高检测效率。展开更多
文摘在基于人工免疫的入侵检测研究领域,一般都是应用随机产生字符串的方法来生成检测器。这种方法生成检测器的速度较慢,而且生成的检测器集的检测率低。由于非我样本中存在着关于非我空间的信息,提出通过应用非我样本来初始化基因库并应用基因库来生成检测器的方法来检测入侵。应用KDD Cup 1999入侵检测数据集,通过实验证明该方法是有效的,能更快地生成检测率更高的检测器集。
文摘邻域否定选择算法遍历每个自体样本,导致计算量大及匹配阶段重叠率高等问题。为此,对邻域否定选择算法和聚类技术进行研究,提出一种邻域检测器生成算法。将自体样本映射到构建好的邻域空间中进行聚类,同时对随机检测器予以耐受,训练出成熟的邻域检测器。在KDD CUP 1999数据集上的仿真结果表明,该算法可以缩短生成检测器的时间,有效解决高重叠问题,提高检测效率。
