文档介绍：西安电子科技大学硕士学位论文基于深度学****和信息增益的否定选择算法姓名:张建申请学位级别:硕士专业:电子与通信工程指导教师:公茂果201201摘要摘要人体免疫系统因其强大的信息处理能力受到研究者的关注,它的自适应性、并行和分布式的特点为解决工程应用问题开辟了思路,在此基础上诞生了人工免疫系统。鉴于免疫系统与入侵检测系统的相似性,基于人工免疫系统的算法被应用于入侵检测。本文首先提出了“空洞”处理的否定选择算法,然后提出了深度训练的否定选择算法,最后将信息增益与否定选择算法相融合,并将其应用于入侵检测。第二章重点介绍了“空洞”区域数据处理的动机和思想,该算法对落入“空洞”区域的数据进一步分析,以更准确的判定其是否为异常数据。实验结果表明:相比V-detector算法,本章提出的算法在正检率和虚警率上都有所改善。第三章提出了深度训练的否定选择算法,以解决上一章算法中存在的计算量大的问题,采用深度训练机制减少了自体样本的数量,并提高了自体区域的覆盖率。通过实验分析得出,深度训练机制减少了算法的运行时间,并在一定程度上改善了算法的异常检测效果。第四章引入了信息增益分析,提出了基于信息增益的否定选择算法,并将其应用于KDD99数据集的检测,以评估否定选择算法对网络入侵行为的检测能力。本章的工作将否定选择算法的应用扩展至高维数据中的异常检测。实验结果显示,通过选取信息增益大的特征,显著提高了否定选择算法在KDD99数据异常检测中的表现。本论文得到了国家自然科学基金(批准号:60703107)、国家863项目(批准号:2009AAl22210)、教育部新世纪优秀人才支持计划(批准号:NCET-)、陕西省青年科技新星计划(批准号:)和中央高校基本科研业务费重点项目(批准号:K50510020001)资助。关键词:人工免疫系统否定选择算法检测器覆盖率入侵检测信息增益ABSTRACTABSTRACTThehumanimmunesystem(HIS)hasdrawnresearchers’greatattentionforitsstrongabilityofinformationprocessing,itssignificantcharacters,suchasselfadaptive,parallelanddistributed,bringnewideastoengineeringapplications,artificialimmunesystem(AIS),,negativeselectionalgorithmwithprocessingof“blankregion”dataisproposed,andthennegativeselectionalgorithm谢thfurthertrainingisproposed,finally,,weintroducethemotivationofprocessingdatain“blankregion’’anditsframeworkindetails,thedataliedwithinthe“blankregion’’-detector,,analgorithm,termedasnegativeselectionalgorithmwithfurthertraining(FtNSA),,wecanseethat,