计算机科学››2024,第51卷››问题(5): 346-354.数字对象标识:10.11896/jsjkx.231000027
•信息安全• 以前的文章 下一篇文章
周遵龙、陈文、马新雷
收到:
修订过的:
在线:
出版:
关于作者:
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:
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。
0 / / 推荐
添加到引文管理器 尾注|样板客户经理|ProCite公司|BibTeX公司|参考Works
网址: https://www.jsjkx.com/EN/10.11896/jsjkx.231000027网址
https://www.jsjkx.com/EN/Y2024/V51/I5/346
引用