FICSAM一种适用于大型适应性系统的单例学习方法.pdfVIP

第 2 期 刘振鹏等: FICSAM: 一种适用于大型适应性系统的单例学习方法 ·43 · FICSAM: 一种适用于大型适应性 系统的单例学习方法 * 刘振鹏, 张沧生, 常 胜, 李继民 ( 河北大学 计算机学院, 河北 保定 071002) 摘 要: 对该方法的步骤、影响因素及特征进行了描述。同时 , 分析讨论了先聚后得法在计算机免疫系统 GE- CISM 中的应用及实验结果。 关键词: 单例学习; 可适应性系统; 规则提取 ; 先聚后得方法 ; 计算机免疫 中图法分类号: TP181 文献标识码 : A 文章编号 : 1001- 3695( 2005) 02- 0043- 03 FICSAM: A Learning Method from One-case Fitted in Large Adaptive System LIU Zhen-peng, ZHANG Cang-sheng, CHANG Sheng, LI Ji-min ( School of Computer Science, Hebei University, Baoding Hebei 071002, China) Abstract: The steps and influence factors and characters are all described in here. At the same time the related data of ap- plied FICSAM to GECISM are shown. Key words: Learning from One-case; Adaptive System; Rules Evaluation; FICSAM; Computer Immunology 由正常用户行为引起的可编码序列与由异常用户及入侵行为 1 引言 引起的可编码序列看成两类, 对这两类进行规则抽取。由于产 生的规则只有两个结果, 所以其只能用于简单的状态判断, 而 在大型复杂可适应性系统中, 存在大量的规则提取需求。 没有把每类中所包含的更多的规律挖掘出来。并且, 对于规则 可适应性系统中, 产生了大量的基础数据, 这些数据可分为外 的测试也没有过多地提及。 界数据和内部数据。适应性系统就是要在这些数据中提取出 下面提出的先聚后得法能对一类样本抽取出规则, 并给出 规则, 以此改变自身状态, 从而适应环境。 规则评价方法, 为适应性系统的状态判断提供更多的依据。 计算机免疫系统( General Computer Imitated System Model, GECISM[ 1] ) 是一个复杂的可适应性系统, GECISM 根据本身在 2 FICSAM 方法 运行时产生的可编码序列中所蕴含的规律来判断自身状态,