区域否定选择算法

否定选择算法将单个自体点和其邻近点作为自体区域训练检测器。研究了实值否定算法,定义了连续的自体区域,采用动态聚类法将自体样本点分类到自体区域,训练时根据自体区域半径和与自体区域重心之间的余弦距离做局部训练,并在自体区域内使用可变阈值检测器。实验证明当耐受自体点被当成一个整体使用时能提供更多的信息,可以探测出自体区域边界,使系统效率和检测率得到提高。     

一种改进的否定选择算法在入侵检测中的应用

有效的检测器生成算法是入侵检测的核心问题。针对现有算法存在检测率低、匹配阈值固定、检测器集合庞大等问题,通过对人工免疫系统中否定选择算法原理的分析,提出一种生成最有效检测器集的变阈值模糊匹配否定选择免疫算法,并将该算法应用到入侵检测系统中。算法采用随机生成和基因库相结合的候选检测器生成机制,在保证检测器多样性的同时,提高了候选检测器成为成熟检测器的比率。为了消除冗余检测器的产生,提高检测器集的检测效率,算法在模糊匹配的基础上生成有效检测器集。同时,匹配阈值可变,可大幅降低黑洞数量。实验结果表明,该算法提高了入侵检测率,降低了虚警率,整体检测性能较好。     

快速否定选择算法的研究与分析

人工免疫算法具有良好的特性,已被广泛应用于入侵检测、信息恢复、敷据挖掘等领域的研究中,否定选择算法是人工免疫算法中的典型算法,但存在重复检查、检测器查找效率低及逐位比较的时间和空间开销大等问题.我们分析否定选择算法中匹配算法的特点,设计自体、检测器和抗原中检测元素的转换算法,提取自体数、检测数和待检数,引入红黑树建立索引.设计基于红黑树的快速否定选择算法,避免反复提取子串和重复比较寻问题,提高检测效率,最后实现了快速否定选择算法的原型系统,测试、比较了否定选择算法和基于红黑树快速否定选择算法的检测效率,洲试结果表明使用基于红黑树快速否定选择算法检测抗原,能有效的减少比较次数,提高检测效率.     

改进的否定选择算法及其在入侵检测中的应用

否定选择算法(Negative Selection Algorithm,NSA)作为人工免疫系统的典型算法被广泛应用于入侵检测中.针对传统否定选择算法在处理入侵检测问题时出现的准确率低、误报率高以及检测器集合冗余度高等问题,提出了一种改进的否定选择算法并将其应用到入侵检测中.其主要思想是:首先通过密度峰值聚类算法对非自...     

一种基于多级否定选择的入侵检测器生成算法

文中给出一种改进的基于人工免疫入侵检测系统的否定选择算法。首先是用多级否定选择算法生成不同检测尺度的成熟检测器，然后为了模仿人体免疫系统中的第二次应答机制，引入了记忆检测器的概念及相应的算法，结合亲和力成熟与体细胞突变等方法，将成熟检测器提升为识别率极高的记忆检测器。     

一种基于多级否定选择的入侵检测器生成算法

文中给出一种改进的基于人工免疫入侵检测系统的否定选择算法。首先是用多级否定选择算法生成不同检测尺度的成熟检测器,然后为了模仿人体免疫系统中的第二次应答机制,引入了记忆检测器的概念及相应的算法,结合亲和力成熟与体细胞突变等方法,将成熟检测器提升为识别率极高的记忆检测器。     

基于人工免疫系统的僵尸短信入侵检测

针对移动僵尸网络日益活跃的现状,提出一种基于人工免疫的僵尸短信入侵检测模型。该模型包含两个核心模块,短信过滤模块提取短信号码与黑名单信息相匹配初步过滤垃圾短信和广告;短信识别免疫模块量化短信的签名信息生成抗原,采用实值否定选择算法生成抗体,通过抗原与抗体的亲密程度识别僵尸短信,最后根据用户反馈结果更新抗体。实验结果表明:该模型具有较高的检测率,证明了其可行性。     

一种采用边界检测器的实值否定选择算法

针对实值否定选择算法中由边界困境问题引发的在自体与非自体区域边界产生漏洞的现象,提出了一种采用边界检测器的实值否定选择算法.该算法在边界上生成具有一定侵略性的边界检测器,通过边界阚值控制的边界检测器不仅能够有效地减少边界上的漏洞,还能探明自体与非自体区域边界.使用人工数据和MIT Darpa 1998离线数据对算法进行了测试,结果表明尽管新方法具有较高的最小误报率,但在误报率相同的情况下,有更高的检测率.     

实值n维混沌映射否定选择算法

针对传统的基于二进制的混沌否定选择算法在检测器生成阶段对混沌映射产生的混沌序列离散化生成的候选检测器,不利于知识和数据的分析,也会造成检测器集生成速度慢及检测效率低等问题,提出了基于实值的混沌否定选择算法.引入混沌理论,采用混沌特性更好的自映射构造n维混沌映射生成候选检测器中心点,改进了传统的检测器生成机制,更适合处理高维空间问题;对原有的V-detector算法进行了优化,通过定向移动与计算几何中心相结合的思想确定检测半径.旨在满足预期覆盖率条件下尽量使半径取值最大化,扩大检测器集的覆盖范围,减少检测器数量.实验结果表明,该算法提高了检测器集的生成速度和检测效率.     

免疫进化否定选择算法

当训练样本分布密集交错时,传统的否定选择算法难以将检测器生成在正/反样本间的有效区域,导致检测器集合对这些样本的识别率降低,影响了算法性能。为使检测器能有效地识别分布密集交错的样本,本文提出了免疫进化否定选择算法（IENSA）。IENSA通过加入两个免疫进化过程,首先在样本分布密集的区域引导检测器在正/反样本之间有效地生成,然后在样本分布稀疏的区域对冗余检测器进行抑制。实验结果表明在二维人工数据集Rectangle与三维标准数据集Skin Segmentation上,相对于经典的RNSA与V-Detector算法,IENSA均能以较少的检测器而达到较高的检测率。     

无线传感器网络中抑制干扰的中继节点选择算法

当无线传感器网络中存在多个源节点时,某个源节点向目标基站发射信号,其形成波束的旁瓣会对其它非目标基站产生干扰.针对该问题,提出一种利用中继节点选择来抑制旁瓣干扰的算法.该算法选择合适的中继节点,让所有非目标基站接收到信号的干噪比(INR)都不超过设定的阈值,从而减少对非目标基站的干扰.仿真结果表明:该算法能够有效降低源节点在非目标节点方向上的旁瓣,提高了系统的信干噪比(SINR).     

一种无线传感器网络故障节点检测算法

提出一种无线传感器网络故障节点的检测方法,无需事件或模型假设,通过识别节点序列中违反排名的节点找到故障节点.算法对实际应用中的噪声环境和子序列估计问题分别提出了相应的解决方法.仿真实验表明:在不同的网络设置下,漏检率和误检率均较低,算法具有良好的性能.     

大规模无线传感器网络覆盖优化算法

为了增强三峡库区水环境监测的大规模无线传感器网络（WSNs）覆盖效果和延长大规模WSNs生存时间,采用混沌人工鱼群算法。首先以最大化网络覆盖率作为优化目标,建立WSNs覆盖模型,将具有遍历性特点的混沌系统引入到人工鱼群算法中,能够有效避免算法长时间位于局部极值附近。仿真结果表明：改进的人工鱼群算法提高了网络的覆盖率,有效减低了网络的成本。     

一种新的三维无线传感器网络节点定位算法

在测距的基础上,提出一种基于三角几何运算的无线传感器网络节点定位算法。该算法利用与未知节点相关的一边两角,通过空间三角几何运算,实现对未知节点的定位。对该算法的性能进行分析,并在此基础上提出一些改进的措施。仿真结果表明:该算法可以达到较高的定位精度,能够满足三维空间中对未知节点的定位需求。     

无线传感器网络拓扑边界辨识算法

在无线传感器网络（ WSNs）中,网络的拓扑特征对于设计网络应用和网络优化具有十分重要的意义。在拓扑特征中又以拓扑边界最为基础,不仅边界本身具有直接的利用价值,而且 WSNs瓶颈辨识、WSNs近凸分块等算法都需要以获取边界信息为前提。提出了一种不依赖地理信息的分布式算法,通过借鉴自然现象热传导的规律和等温线只在边界中断的固有特点,在WSNs这一人工系统中模拟热传导过程,最终成功地辨识了WSNs的边界。     

一种基于迭代投票的无线传感器网络安全定位算法

绝大多数的定位算法都是基于信标节点的坐标信息计算未知节点的坐标信息,因此,信标节点的可信性至关重要.无线传感器网络在敌对环境中易受攻击,由此提出了一种安全定位算法.在算法中,节点间无需坐标交换,可直接迭代投票选出可信的信标节点进行定位,并通过仿真验证算法有效性.     

Fault diagnosis in wireless sensor network using negative selection algorithm and support vector machine

In this article, an improved negative selection algorithm (INSA) has been proposed to identify faulty sensor nodes in wireless sensor network (WSN) and then the faults are classified into soft permanent, soft intermittent, and soft transient fault using the support vector machine technique. The performance metrics such as fault detection accuracy, false alarm rate, false positive rate, diagnosis latency (DL), energy consumption, fault classification accuracy (FCA), and false classification rate (FCR) are used to evaluate the performance of the proposed INSA. The simulation result shows that the INSA gives better result as compared to the existing algorithms in terms of performance metrics. The fault classification performance is measured by FCA and FCR. It has also seen that the proposed algorithm gives less DL and consumes less energy than that of existing algorithms proposed by Mohapatra et al, Zhang et al, and Panda et al for WSN.     

无线传感器网络中一种基于花型的分簇算法

针对无线传感器网络能量约束问题,提出了一种基于花型的分簇算法。算法结合最优簇数目计算与用正六边形网格实现无缝覆盖的思想,分簇过程中通过标号方法从花芯区域中选取剩余能量最大的节点当选为簇头。仿真实验结果表明:该算法在一定程度上减少了网络的能量消耗、延长了网络的寿命,分簇性能良好。     

大规模带状无线传感器网络节点定位算法

针对基于三峡库区水环境监测的大规模带状无线传感器网络(WSNs),将博弈理论和优化算法应用于节点定位问题的研究,建立节点定位优化算法模型,分析模型的基本原理、可行性和具体实现方法.通过对不同分布状态网络进行定位仿真实验,测试该算法对正方形、带状、条形随机分布传感网络定位效果,实验结果表明了算法的可行性和高效性.该算法在不增加硬件开销情况下,能够提高定位精度和节点覆盖率,且收敛速度快.     

无线传感器网络中覆盖盲区发现算法

传感器节点的随机部署不均匀或者能量耗尽,可能导致无线传感器网络(WSNs)出现覆盖盲区。针对WSNs中覆盖盲区的问题,提出一种基于几何图形的分布式覆盖盲区发现算法,从理论上证明算法的有效性。算法的基本思想是以传感器节点和它的2个邻居节点构成三角形,计算三角形的外接圆半径和外接圆圆心,根据几何图形学的相关理论判断节点附近是否存在覆盖盲区。仿真实验结果表明:算法不仅能有效地检测覆盖盲区和边界节点,而且对于降低节点能量消耗也有显著成效。