基于标签影响力传播的人工免疫检测器生成算法研究

doi:10.11896/jsjkx.231000027

摘要

摘要：人工免疫系统利用训练样本筛选和训练候选检测器，从而生成覆盖非自我区域的成熟检测器，用于自我和非自我的区分。传统的基于负选择算法（NSA）的检测器生成算法通常需要大量的标记自训练样本，而实际应用中标记样本的数量有限，导致检测器训练不足，限制了检测器的检测精度。为了解决这个问题，本文提出了一种基于标记影响传播的免疫检测器训练方法，其中标记影响传播是由属于同一簇的样本中的少量标记簇成员执行的，而伪标记是对簇中未标记的样本执行的。随后，本文基于基于噪声学习的伪标记评估去除了低置信度的新标记样本。通过标记评估的新标记样本被添加到训练样本集中，以扩展标记样本的大小，提高免疫检测器的训练质量。在七种不同维度和大小的UCI公共数据集上的对比实验结果表明，所提出的基于标签影响传播的免疫检测训练算法能够有效地提高检测器的训练性能，特别是在训练样本有限或数据集不平衡的情况下，该检测器的性能明显优于传统方法。与PSA、co-PSA、GFNSA等检测生成算法相比，该检测器的识别准确率平均提高了10%。

关键词： 标签影响传播，人工免疫，探测器生成算法，标签评估

CLC编号：

TP391型

周遵龙、陈文、马新雷。基于标签影响传播的人工免疫检测器生成算法研究[J]。计算机科学，2024，51（5）：346-354。

工具书类

[1] 福瑞斯特S，佩雷尔森A，艾伦L，等.计算机中的非自我歧视[C]//IEEE安全与隐私研究研讨会.1994:202-212。
[2] GONZALEZ F，DASGUPTA D，NINO L.随机实值阴性选择算法[C]//Proc.2nd Symp。人工免疫系统。2003:261-272。
[3] PERELSON A S，WEISBUCH G.物理学家免疫学[J]。《现代物理学评论》，1997，69（4）：1219-1267。
[4] IDRIS I，SELAMAT A，OMATU S.带有否定选择算法和差分进化的混合电子邮件垃圾邮件检测模型[J]。人工智能的工程应用，2014,28:97-110。
[5] LUO W，WANG J，WANG X.用于异常检测的进化负选择算法[C]//第八届信息科学联合会议论文集。美国盐湖城，2005年，1:3。
[6] POGGIOLINI M，ENGELBRECHT A.特征检测规则在阴性选择算法中的应用[J]。专家系统与应用，2013，40（8）：3001-3014。
[7] 妈妈，trand，SHARMAD。入侵检测中带抗原反馈的阴性选择[C]//人工免疫系统：第七届国际会议（ICARIS 2008）。柏林，海德堡：施普林格，2008:200-209。
[8] OSTASZEWSKI M、SEREDYNSKI F、BOUVRYP。利用进化范式增强免疫组学检测【C】//第八届遗传与进化计算年会论文集。2006:119-126。
[9] OSTASZEWSKI M、SEREDYNSKI F、BOUVRYP。基于协方差的网络异常检测机制[J]。数学建模与算法杂志，2007年，6:411-431。
[10] CHIKH R、CHIKHIS。用于垃圾邮件检测的聚类否定选择算法和果蝇优化[J]。《环境智能与人性化计算杂志》，2019,10（1）：143-152。
[11] FOULAVAND S，OSAREH A，SHADGARB等。DENSA:一种有效的负选择算法，具有自空间和检测器动态数量的灵活边界[J]。人工智能的工程应用，2017,62:359-372。
[12] CHMIELEWSKI A.容错V检测器算法[J]。物理学杂志：会议系列，20181061（1）：012021。
[13] 杨C，贾力，陈碧清，等.基于抗原密度聚类的阴性选择算法[J]。IEEE接入，2020,8:44967-44975。
[14] CHEN W，LI T，LIU X J，等.基于自集层次聚类的否定选择算法[J]。科学中国信息科学，2013,56:1-13。
[15] 陈伟，丁晓明，李涛，等。基于特征空间网格文件的负选择算法[J]。基于知识的系统，2014,56:26-35。
[16] 朱峰，陈伟，杨华，等.大数据时代一类分类的快速否定选择算法[J／OL]。《工程中的数学问题》，2017年。https://www.hindawi.com/journals/mpe/2017/3956415/。
[17] 周X，谭伟.一种改进的人工免疫阴性选择算法[C]//2022第七届智能计算与信号处理国际会议（ICSP）。IEEE，2022:237-241。
[18] 孙鹏，BAN L，JIAN H。改进的双聚类自适应阴性选择算法在红外目标提取中的应用[C]//2022 IEEE第五届自动化、电子和电气工程国际会议（AUTEEE）。IEEE，2022:378-382。
[19] NUHU A R，GUPTA K D，BEDADA W B，等.支持黑盒模型输入约束形式化验证的负选择方法[C]//2022 IEEE计算智能研讨会系列（SSCI）。IEEE，2022:413-420。
[20] 莫J，杨华.基于负选择免疫系统的母线差动保护采样值攻击检测[J]。现代电力系统与清洁能源杂志，2022,11（2）：421-433。
[21]张刚，何杰，李伟，等.DGA-PSO:一种改进的基于粒子群优化的负选择检测器生成算法[J]。基于知识的系统，2023278:110892。
[22]ABID A，KHAN M T，HAQI U，等.一种改进的基于否定选择算法的故障检测方法[J]。IETE研究杂志，2022,68（5）：3406-3417。
[23]CHAUDHARI S，SHEVADE S。使用最大边际聚类从正面和未标记的例子中学习[C]//神经信息处理：第19届国际会议（ICONIP 2012）。柏林，海德堡：施普林格，2012:465-473。
[24]ELKAN C.成本敏感学习的基础[C]//国际人工智能联合会议。劳伦斯·埃尔鲍姆联合有限公司，2001:973-978。
[25]KIRYO R，NIU G，DU PLESSISM C，等.基于非负风险估计器的正标记学习[J]。神经信息处理系统进展，2017,30:1675-1685。
[26]郭涛，徐C，黄J，等.关于GAN中的正标记分类[C]//IEEE/CVF计算机视觉与模式识别会议论文集.2020:8385-8393。
[27]梁S，张毅，马J.正无标记时间序列分类的主动模型选择[C]//2020 IEEE第36届国际数据工程会议（ICDE）。IEEE，2020:361-372。
[28]DEVORE J L.工程与科学概率与统计[M]。贝尔蒙特：达克斯伯里出版社，1995年。
[29]GOLDMAN S，ZHOU Y.使用未标记数据加强监督学习[C]//ICML.2000:327-334。
[30]ANGLUIN D，LAIRD P.从嘈杂的例子中学习[J]。机器学习，1988年，2:343-370。

韵律学

已查看

全文

摘要

引用

共享

讨论

基于标签影响传播的人工免疫检测器生成算法研究

PDF（PC）

摘要

引用这篇文章

分享这篇文章

工具书类

相关文章4

韵律学

评论

推荐0

[1]	贾林、杨超、宋玲玲、陈振和李北军。改进的否定选择算法及其在入侵检测中的应用[J] ●●●●。计算机科学，2021，48（6）：324-331。
[2]	杨超、秦廷东、范波、李涛。人工免疫系统中基于危险理论的微博垃圾邮件检测研究[J] ●●●●。计算机科学，2018，45（11）：138-142。
[3]	刘年、刘孙军、刘勇、赵辉。基于人工免疫系统的网络安全态势感知方法[J] ●●●●。计算机科学，2010，37（1）：126-129。
[4]	CHAI Zheng-yi，王红海。基于误报率的异常入侵检测系统研究[J] ●●●●。计算机科学，2009，36（11）：68-70。