否定选择算法-公开课件.ppt

否定选择算法;否定选择算法 ; 否定选择算法 ; ;;2.2 检测能力;;2.3 否定选择算法存在的问题;2.3 否定选择算法存在的问题; 3.黑洞问题讨论;3.2减少黑洞数目; 3.3漏洞的判定算法;如图3.5所示;3.3 漏洞的判定算法 ;3.3漏洞的判定算法; 举例说明: 设模式的长度L=10，有“自体”模式串集合为A=10001111l，1100110100，0010010011。设“非自体”模式串e=0010110100，匹配长度r=3。 利用上述算法判定字符串c是否是漏洞，如图3.7。首先，构造一个字符串r模板Ci=**101*****，然后如图进行搜索，则可以看到*是一个有效的检测器，因此可以说字符串c不是漏洞。 ;4.基于改进否定选择算法的异常检测模型;4.1.2模型框架 该模型分为检测器生成和检测器识别两个模块。如图4.1所示。检测器生成模块采用否定选择算法来生成，但将算法中采用的rcb匹配规则用r-字符块匹配规则替换。首先，选择匹配阂值R，设置T检测器容量，利用改进的否定选择算法生成T检测器;其次，选择匹配闭值R1，使得R1R，设置B检测器容量，利用改进的否定选择算法生成B检测器。 检测器识别模块采用B、T双检测器协同识别，匹配规则仍为r一字符块匹配规则。如图;;;;;4.3 B/丁检测器协同识别 4.3.1生物免疫中B、丁细胞的作用及其协同关系 生物免疫系统是一个主要由淋巴细胞构成的系统。淋巴细胞有两种，一种是B细胞，它是体液免疫，分泌抗体，抗体能够识别并结合抗原，最终清除抗原。另一种是T细胞，它是细胞免疫。其作用主要是给B细胞提供一个信号，确认B细胞识别的nonself. B、T细胞通过细胞的接收器和抗原的抗原决定基绑定来识别抗原。接收器是由基因片断随机组合生成，接收器和抗原决定基越相似，它们之间的亲合度越高，越容易绑定。识别抗原的任务主要是由B细胞完成的，当它绑定到未接触过的抗原时，会产生一个初次反应，分泌抗体，消灭抗原。同时“学习”并记忆这种特殊的抗原结构，当它再次接触同种抗原时，会快速发生再次反应，表现出很快的响应速度??其中，B细胞的“学习”、记忆能力是通过一个亲和性成熟的过程。在初次反应后，和抗原具有高亲和性的B细胞大量克隆(复制)自身，在克隆过程中以较高的概率进行变异，因变异率较高，所以经克隆、变异过程后产生的新的B细胞，可能其亲合度还不及父细胞，所以必须再经过亲合度判断，亲合度最高的B细胞留下，去替换亲合度低的B细胞。 T细胞是在胸腺中分化发育的，而胸腺中存在体内大部分的self蛋白，当新生成的T细胞可以和Self蛋白绑定时，就在成熟培养的过程中死亡。所以，最后存活下来的T细胞是能识别nonself，而不能识别Self。T细胞的作用就是给B细胞提供一个信号，确认B细胞识别的是nonself，表现出和两种细胞的协同关系，由此可以降低B细胞的误识别率。 ;4.3.2 B、T检测器原理 该文借鉴B、T细胞协作识别抗原的免疫机理，生成B、T双检测器进行协同识别异常行为。 首先，匹配阂值设置为r，使用改进的否定选择算法生成T检测器。 其次，选择另一匹配闭值r1，令r1≦r，仍然使用改进的否定选择算法生成B检测器。 最后，生成B、T双检测器进行协同识别。将B检测器作为T检测器的前置过滤检测器，用于进一步减轻T检测器的检测负担，提高检测速度和准确率。 4.3.3 检测器生成 检测器的生成算法(如图4.5)如下: (l)字符串随机发生器随机生成L位的二进制字符串，这时生成的字符串是未成熟的，还不能作为检测器使用，这些随机生成的字符串只是作为检测器的候选字串; (2)二进制字符串与Self集中的每一个字符串作，一字符块匹配运算，如果该二进制字符串与Self集中任一个字符串匹配运算为真，则忽略字符串(所谓的杀死)，转入步骤1，如果该二进制字符串与Self中的每一个字符串都不匹配，那么将该字符串加入到检测器集中去，成为成熟的检测器; (3)判断检测器集中的检测器的数目是否达到一定的量，如果达到，构造完毕，否则转入步骤1。;检测器的生成算法如图4.5如下:;4.3.4 检测器识别 当B、T检测器生成后，就可用它们协同起来识别抗原。正如在机体免疫中用B细胞识别抗原一样，用B检测器集来识别抗原