基于克隆遗传量子算法的多用户检测

基于免疫克隆选择理论和遗传量子算法,提出了一种解决CDMA系统多用户检测问题的克隆遗传量子算法.通过使用克隆选择算子和遗传量子算法的理论,新算法能执行随机搜索和经验学习.所提的算法把随机神经网络嵌入到克隆遗传量子算法的每一代中.通过结合随机神经网络到CGQA中,可以加快CGQA的收敛速度、减少计算复杂度.另外,CGQA所提供的好的初值可以改善SHNN的性能,嵌入的SHNN还提高了CGQA的性能.在讨论了使用新算法设计多用户检测器的性能特点后,在CDMA系统进行了计算机仿真并和一些多用户检测器进行了比较.仿真结果证明了文中所提多用户检测器的抗多址干扰能力和抗远近效应能力都优于一些应用以前算法的多用户检测器.     

混合匹配规则的否定选择算法

针对目前基于免疫的检测器生成算法中,匹配规则单一造成的检测器质量低下的问题,提出一种基于混合匹配规则的否定选择算法,采用海明距离整体匹配的各段内R连续比特匹配的否定选择算法,即混合匹配否定选择算法,对算法的性能进行了分析．实验结果表明,该算法能够高效地产生所需要的检测器,提高了检测率,且降低了误报率．     

一种改进的基于否定选择的检测器生成算法

通过分析人工免疫系统中的主要算法--否定选择算法及检测器产生漏洞的原因,提出一种生成不同检测尺度的成熟检测器多级否定选择算法.与Forrest的传统否定选择算法相比,该算法提高了检测器的生成效率,很大程度上减少了漏洞,使检测效率得到提升.     

基于改进的动态克隆选择算法的入侵检测模型研究

针对目前入侵检测系统不能有效检测已知攻击的变种和未知攻击行为的缺陷,受免疫系统中动态克隆选择算法的启发,提出了一种基于改进的动态克隆选择算法的入侵检测模型.该模型可以适应连续改变的环境,动态地学习变化的“正常”模式以及预测新的“异常”模式.经实验证明,该模型在降低误报率的情况下,提高了检测率.     

基于改进的可变半径检测器实值否定选择算法

在基于人工免疫的入侵检测研究领域,一般都是先随机产生字符串,然后应用否定选择来生成检测器．这种方法生成检测器的检测率低,而且生成的检测器集数目庞大．本文提出了一种改进的可变半径检测器的实值否定选择算法,由于非自体样本中存在着关于非自体空间的信息,通过应用非自体样本初始化基因库,采用基因库进化策略更新基因库,从而生成了更有效的检测器集．通过实验证明,该方法是有效的,在不影响误报率的情况下提高了检测率．     

一种改进的基于否定选择的检测器生成算法研究

针对传统否定选择算法存在的问题,提出一种新的基于否定选择的检测器生成算法,通过使用模板来消除冗余的检测器,从而提高系统监测效率.实验表明,该算法能够尽可能多的覆盖"非我"空间,在性能上优于传统的否定算法,为进一步研究入侵检测系统提供了新的算法依据.     

基于疫苗理论的变阈值免疫阴性选择算法

为了提高变阈值免疫阴性选择算法的检测效率,对算法的监测系统异常部分进行了改进设计,建立并实现了算法的"适应性免疫反应"功能.在算法中加入了疫苗算子和阳性选择算子,建立了具有动态刷新功能的抗体库.抗体库在动态刷新的过程中去掉了冗余,使冗余的消除也具有自适应性.仿真结果表明,变阈值免疫阴性选择算法经改进设计后,具有较强的自...     

基于CSA无监督模糊聚类算法的异常检测方法

为解决模糊k 均值算法对初始化敏感及易陷入局部极值的不足,提出了基于克隆选择算法(CSA)的无监督模糊聚类异常入侵检测方法. 应用结合了具有进化搜索、全局搜索、随 机搜索和局部搜索特点的克隆算子快速得到了全局最优聚类,并应用模糊检测算法检测网络中的异常行为模式. 该方法的优点是不需要人工对训练集分类,并且可以检测出未知的攻击. 仿真试验表明,该方法不但能检测出未知的攻击,而且具有较低的误报率和较高的检测率.     

云计算下手机人工免疫恶意代码检测模型

提出一种适用于云计算环境的基于人工免疫的手机恶意代码检测模型。提出扩展阴性选择算法,提取恶意代码的特征编码生成抗原,增加针对高亲和度检测器的克隆和变异算子,提高成熟检测器的生成效率,在特征检测和检测器生成阶段引入MapReduce并行处理机制,提高计算效率。仿真结果表明,检测模型对未知手机恶意代码具有较高的检测率和计算效率。     

用于异常检测的实值否定选择算法

针对已有实值否定选择算法检测器生成过程的不足,提出了一种优化的检测器生成算法。充分利用自体空间的分布,优化检测器生成的中心位置,扩大检测器的半径,尽可能生成覆盖范围大的检测器;使用覆盖率期望值作为算法结束的一个控制参数,有效地避免了冗余检测器的产生。建立了异常检测系统的形式化描述,定义了一个新的异常检测性能衡量指标——错误率。最后,通过人工合成数据集2DSyntheticData以及实际的Iris数据集及Bio-medical数据集对算法进行了验证。试验结果表明,相比V-detector算法,本文算法提高了检测率,降低了错误率,减少了所需检测器数量,整体检测性能较优。     

Clone Selection Algorithm with Niching Strategy for Computer Immune System

A clone selection algorithm for computer immune system is presented. Clone selection principles in biological immune system are applied to the domain of computer virus detection. Based on the negative selection algorithm proposed by Stephanie Forrest, combining mutation operator in genetic algorithms and niching strategy in biology is adopted, the number of detectors is decreased effectively and the ability on self-nonself discrimination is improved. Simulation experiment shows that the algorithm is simple, practical and is adapted to the discrimination for long files.     

Clone Selection Algorithm with Niching Strategy for Computer Iune System

A clone selection algorithm for computer iune system is presented. Clone selection principles in biological iune system are applied to the domain of computer virus detection. Based on the negative selection algorithm proposed by Stephanie Forrest, combining mutation operator in genetic algorithms and niching strategy in biology is adopted, the number of detectors is decreased effectively and the ability on self-nonself discrimination is improved. Simulation experiment shows that the algorithm is simple, practical and is adapted to the discrimination for long files.     

具有疫苗算子的可变模糊匹配阴性选择算法

为了建立可变模糊匹配阴性选择免疫算法的特异性免疫应答,基于模糊思想并采用疫苗理论,在监测异常过程中提取疫苗,研究疫苗算子和正选择算子对算法性能的影响.仿真结果表明：疫苗算子增强了抗体库的记忆功能,使算法二次应答时间明显缩短,而正选择算子是完成这种功能的具体实施者.可变模糊匹配阴性选择免疫算法经改进设计后,具有较强的自学...     

A negative selection algorithm with neighborhood representation

This paper proposes a negative selection with neighborhood representation named as neighborhood negative selection algorithm.This algorithm employs a new representation method which uses the fully adjacent but mutually disjoint neighborhoods to present the self samples and detectors.After normalizing the normal samples into neighborhood shape space,the algorithm uses a special matching rule similar as Hamming distance to train mature detectors at the training stage and detect anomaly at the detection stage.The neighborhood negative selection algorithm is tested using KDD CUP 1999 dataset.Experimental results show that the algorithm can prevent the negative effect of the dimension of shape space,and provide a more accuracy and stable detection performance.     

应用改进的V-detector算法检测蠕虫

通过分析主机感染蠕虫后网络流量特性的变化，基于免疫系统的阴性选择机制，提出了一种蠕虫检测方法。首先改进了可变半径实值阴性选择算法V-detector，改进策略是在检测器生成过程中根据非自体空间的分布产生具有尽可能大覆盖范围的检测器。改进算法与原算法相比，所生成的检测器集合中检测器的数量大幅度下降，检测效率提高。应用改进的V-detector算法生成检测器集合监控主机的网络流量特性，以检测蠕虫攻击。实验结果表明，该方法能有效检测传统蠕虫及多维传播的多态蠕虫。     

化验室资源调度优化的改进型克隆选择算法

为了提升化验室处理化验单能力,实现资源调度优化,建立了化验室调度模型,引入了克隆选择算子、自适应变异算子以及多种群协同进化思想,提出了改进型克隆选择算法,并运用该算法对化验室处理化验单进行了调度优化。将改进型克隆选择算法与多种类型算法进行对比,结果显示,改进型克隆选择算法能有效改善早熟收敛问题,提高搜索效率,获得最优分配方案,适用于化验室化验单调度问题,满足实际要求。     

一种免疫补体优化算法

针对目前提出的免疫优化算法在求解优化问题时还存在收敛速度慢,往往不能求得最优解,鲁棒性低的问题,基于生物免疫补体激活原理,提出了一种免疫补体优化算法。在算法中,依据补体激活理论,设计了主要的补体算子：分裂算子和结合算子,并根据补体激活过程,通过补体算子的作用对问题解不断优化,求得全局最优解。最后对算法的收敛性和鲁棒性进行了理论分析,并将免疫补体优化算法与典型的克隆选择算法进行了对比实验。理论与实验结果表明了免疫补体优化算法是收敛的,并且收敛速度更快,求得的最优解更好,鲁棒性更高。