公共文化服务平台

非负矩阵分解在免疫入侵检测中的优化和应用被引量：4: 2016年; 针对免疫入侵检测数据处理速度慢以及检测实时性差的问题,提出Bregman非负矩阵分解算法,采用Bregman迭代方式改进传统非负矩阵分解过程,优化矩阵迭代过程,利用矩阵本地化方法分解矩阵,增加矩阵的约束,保留检测数据内部结构并且加快数据的处理速度。在KDD CUP 1999数据集上的仿真结果表明,该算法有效提高了入侵检测速度,增强了免疫入侵检测的时效性。; 张凤斌葛海洋杨泽; 关键词：免疫入侵检测非负矩阵分解迭代

基于灰狼优化的V-detector检测器分布方法: 2022年; 基于免疫否定选择机制的V-detector算法,其检测器分布不优仍导致检测黑洞或冗余问题。本文借助群体智能优化算法中灰狼优化算法的无导数寻优机制,提出了一种改进的V-detector算法。引入混沌机制对灰狼种群进行合理的初始化,通过莱维飞行增强算法的全局寻优能力,利用改进后的V-detector算法优化检测器的落点分布,使得检测器的分布更加合理,并获得更高的覆盖率。在二维数据集上的验证,表明改进算法提高了检测器覆盖率;在NSL-KDD数据集上的验证,表明优化后的检测器集合能在较短时间内生成质量较高的检测器。; 郑德强; 关键词：入侵检测

免疫入侵检测多目标优化克隆选择算法研究被引量：1: 2018年; 免疫入侵检测理论中克隆选择是检测器进化的关键。传统克隆选择算法通过比较样本间的亲和力累加值筛选样本,该方法具有较低的时间复杂度,但也造成了检测器的高重叠,影响迭代效率。将检测器个体的筛选与进化转化为pareto最优解的求解过程,提出了多目标优化理论的检测器克隆选择算法。实验表明,检测器基数不变的情况下,该算法明显提升了每代种群在进化过程中的检测范围,精简了记忆检测器的数量,提高了检测阶段系统的检测率。; 张凤斌范学林席亮; 关键词：免疫入侵检测多目标优化记忆检测器克隆选择

Real-valued multi-area self set optimization in immunity-based network intrusion detection system被引量：1: 2012年; Zhang FengbinXi LiangWang Shengwen; 关键词：网络入侵检测系统高斯分布

基于自适应遗传算法的神经网络结构优化算法被引量：14: 2021年; 深度学习使用最广泛的模型是神经网络。而神经网络的结构设计是神经网络研究的热点问题之一。隐含层的设计和节点数量的确定是神经网络结构设计的核心,对神经网络的收敛速度、泛化能力等有着很大的影响。遗传算法是模拟生物遗传和进化而形成的一种自适应优化概率搜索算法,其核心思想源于生物遗传学和适者生存的自然规律,是具有“生存+检测”迭代过程的搜索算法。但是遗传算法参数的选择带有主观性、收敛慢并且容易陷入早熟收敛。为了解决这些问题,提出了一种自适应遗传算法并用于寻找最优的神经网络结构。自适应遗传算法在每次迭代寻优过程中选取前n个最优个体并加入一定量的随机个体进行种群更新,并自适应优化种群搜索步长,可在保证种群多样性的同时提高收敛速度。然后对神经网络的结构进行编码处理,应用自适应遗传算法,进行神经网络结构寻优,确定最优网络结构和参数取值以提高神经网络的准确率。实验结果表明,本算法对函数的拟合度效果优于传统机器学习方法;在breast_cancer数据集上的检测准确率为97.57%,检测误差为2.07%。优于传统的机器学习方法。; 席亮王瑞东; 关键词：遗传算法神经网络结构优化自适应优化

基于多模态对抗学习的无监督时间序列异常检测被引量：6: 2021年; 时间序列异常检测旨在发现对应时序特征中不符合一般规律的特异性模式,是机器学习领域重要的研究方向之一.然而,现有的时序异常检测方法大多为单模态学习,忽略了时序信息在多模态空间上不同特征分布的关联性和互补性,不能充分利用已有信息进行有效地模式挖掘,从而造成检测效果差等问题.为此,提出了一种基于多模态对抗学习的无监督时间序列异常检测模型.首先,将原始时间序列转换至频域空间,构造多模态时间序列表示.其次,提出多模态生成对抗网络模型,针对多模态时间序列,实现正常时序信息关于时域和频域特征分布的无监督联合学习.最后,通过将异常检测问题转化为时间序列在时域和频域空间的重构度量问题,从时域空间和频域空间2个方面度量时间序列的异常值,实现更有效的异常检测.在时间序列数据集合UCR和MIT-BIH中的6个真实数据集的实验结果表明,在异常检测任务上相较于传统单模态异常检测方法,提出方法在AUC和AP这2个性能指标上最高分别提升了12.50%和21.59%,证明了方法的有效性.; 黄训华张凤斌樊好义席亮; 关键词：时间序列多模态

一种基于并行免疫网络的大数据分类算法被引量：3: 2018年; 为了解决数据量增加时串行免疫网络算法难以实现大数据处理的问题,提出了并行免疫网络训练和分类模型,并在Spark并行框架下设计了并行免疫网络分类算法.给出了入侵检测大数据背景知识;建立了Ainet并行算法框架,详述了并行免疫网络分类算法步骤;采用cup99入侵检测数据集进行了试验,进而将并行Ainet算法同其他算法做了比较.试验结果表明:较串行Ainet算法,并行Ainet算法训练时间下降了11/12,检测时间降低了19/20,准确率提高了10%,同时检测率提高了5%,而误报率降低了20%,可见并行Ainet算法各方面都取得较好的效果;试验验证了分类效果对训练数据集数量敏感的特点;并行Ainet算法在准确率、检测率和误报率方面优于其他算法,但运行时间较长.; 范大鹏张凤斌; 关键词：大数据免疫网络入侵检测

自适应混合变异克隆选择算法研究被引量：4: 2018年; 克隆选择算法是免疫入侵理论中检测器进化的核心。传统免疫克隆选择算法中通过单一的变异很难同时兼顾全局和局部搜索,从而导致容易陷入局部最优或者收敛速度慢等弊端,通过引入文化算法,实现种群空间和信仰空间双层进化,在变异时将全局搜索能力强的柯西变异和局部搜索能力强的混沌变异相结合,提出了自适应混合变异克隆选择算法,利用信仰空间的知识来自适应地确定两种变异的作用时间和作用比例,通过KDDCUP99数据集进行测试,结果显示该算法有较好的收敛性和鲁棒性。; 巫东凯张凤斌席亮; 关键词：免疫入侵检测文化算法柯西变异克隆选择

复杂网络社区发现研究进展被引量：21: 2020年; 近年来,随着现代网络通信和社会媒体等技术的飞速发展,复杂网络成为多学科交叉研究的热点之一,社区发现是复杂网络中的一个重要问题,对其进行研究具有重要的理论意义和应用价值。该问题吸引了多个学科领域的众多学者的关注,并且已有许多社区发现算法被提出。已有的社区发现综述多是侧重某一方向或特定领域展开,基于此,文中在之前工作的基础上,对国内外社区发现工作进行了深入调研,较全面地阐述了复杂网络社区发现的研究现状。首先,针对不同网络结构,给出社区发现的问题定义和主要的评价指标。然后,介绍了不同网络结构中的经典社区发现算法,包括同质网络中的全局社区发现、局部社区发现算法,异质网络中的二分网络、三分网络和多分网络中的社区发现,结合节点内容和连接结构的社区发现算法,以及动态网络中的社区发现和社区演化工作。最后,简要介绍了社区发现的典型应用,包括影响最大化、链路预测和情感分析领域的应用。此外,探讨了当前社区发现研究面临的主要挑战,试图为社区发现研究领域勾画一个较为清晰和全面的轮廓,为初学者提供指引。; 赵卫绩张凤斌刘井莲; 关键词：异质网络动态网络

WSNs入侵检测中实值否定选择算法研究被引量：2: 2016年; 针对无线传感器网络免疫入侵检测中否定选择算法采用r-连续位二进制串匹配度作为亲和力,检测率低且无法反映WSNs在一段时间内的动态特性这一现象,提出采用RNS-WSNs算法,该算法用一段时间内属性值的变化率构成向量作为抗原和抗体,通过计算向量间的曼哈顿距离作为亲和力。在NS3上模拟WSNs进行实验,结果显示在能量消耗相当且误报率相同的情况下,RNS-WSNs算法具有更高的检测率。; 张凤斌杨秋杰席亮; 关键词：无线传感器网络人工免疫

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(61172168)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(61172168)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈