否定选择算法报告.pptVIP

一、应用场景 否定选择算法是1994年Forrest等人提出的一种人工免疫算法。它只需要利用有限数量的正常样本便能检测出无限的异常数据。 应用领域： 计算机病毒检测； 机器故障检测； 网络入侵检测； 文本分类； 水质异常检测； 航班状态诊断。 Logo Logo 否定选择算法 Logo 应用场景 报告内容 1 基本思路 2 关键技术 3 不足之处 4 我的思路 5 Logo 二、否定选择算法思路 否定选择算法包含两个阶段：检测器生成阶段和检测阶段。具体步骤如下： 1.定义系统的正常状态为自体集S； 2.随机生成候选检测器； 3.计算候选检测器和自体集的亲和力，如果候选检测器和自体集匹配，则删除该检测器；否则，该检测器加入到成熟检测器集合； 4.重复2和3，直到成熟检测器集合的产生； 5.利用成熟检测器集合对新数据进行匹配，当新数据与任何一个检测器匹配就认为是异常数据； Logo 二、否定选择算法图示 自体集 成熟检测器 边界/黑洞 Logo 三、关键技术 1、数据表示 字符串 实值向量 矩阵 2、检测器表示 实值向量： 超球体模型 超椭球体模型 超方体模型 多形状模型 3、匹配规则 4、检测器生成机制 Logo 3.3 匹配规则 1、基于字符串表示的匹配规则 2、基于实值向量的匹配规则 闵可夫斯基距离 曼哈顿距离（λ=1） 欧几里德距离（λ=2） 隶属函数 空间包含匹配规则 检测器和抗原在各轴上投影存在重叠的次数 3.基于矩阵表示的匹配规则 双向批判规则 Logo 3.4 检测器生成机制 1、基于字符串表示的匹配规则 2、基于实值向量的匹配规则 实值否定选择算法（RNS）（半径不变） 肯定选择算法(PS) 自体检测器 V-detector算法（半径可变） 研究很多，对检测器个数，边界困境，高维数据集，非自体缝隙等问题都有所针对 逐级法（MNS） 自适应法（ANS） 通过反馈技术调整自体、检测器半径以及数量 进化法（ENS） 小生境遗传算法 协同进化机制 克隆和变异选择 高斯变异算子 邻域搜索 切割法（CNS） Logo 4 不足之处 1、算法模型缺乏动态性 2、数据表示以及匹配规则的局限性 都只能针对特定问题，存在局限性 3、检测器生成机制还需要改进 检测器生成时间较长 某些算法只针对特定匹配策略 检测器数量过大，存在大量冗余检测器 4、漏洞问题 都有漏洞 Logo 5 我的思路 把该算法运用到SMART数据上进行算法选择和改进： 首先降维，选择相关度高的属性; 数据变换:传统的思想是一台机器一天的数据作为一行数据进行分析，我的思路是：把一台机器几天的平均数据（累计超过阈值次数），作为一条数据进行分析; 数据规范化：把属性值按比例缩放，使得它们落入较小的指定区间，如0-1; 结合众多改进的V-detector算法和自适应算法的思路，提出基于SMART数据上的模型. Logo Logo