计算机免疫危险理论中危险信号的提取方法研究  

Research of Danger Signal Extraction Based on Changes in Danger Theory

作　　者：杨超[1] 李涛[2] 

机构地区：[1]湖北大学计算机与信息工程学院,武汉430062 [2]武汉科技大学计算机科学与技术学院,武汉430065

出　　处：《计算机科学》2015年第8期170-174,共5页Computer Science

基　　金：国家自然科学基金项目(61170306);湖北省自然科学基金面上项目(2014CFB536);湖北省教育厅人文社科重点项目(2012D111)资助

摘　　要：危险理论是人工免疫系统的一个重要研究分支,它从危险的角度出发对免疫系统的工作原理进行了新的阐述,目前已广泛应用于入侵检测、机器学习和数据挖掘等领域。建立危险理论模型的首要问题是如何自适应地提取危险信号。从变化导致危险这一思想出发,建立了一套基于变化特征的危险信号自适应提取模型;针对不同类型系统资源的特点,设计了基于值变化和特征变化的两种危险信号提取方法。同时,通过实验验证了该模型在不依赖先验知识的情况下,能够自适应地提取危险信号。Danger theory is an important research branch in artificial immune system. It starts from the perspective of danger to describe the working principle of immune system in a new way, which has been widely used in intrusion detec- tion, machine learning, data mining and so on. The primary issue of establishing a danger theory model is how to extract danger signals adaptively. This paper started from the main idea of changes leading to danger, and established an adaptive danger signal extraction model based on finding changes. According to the characteristics of different types of system resources, it designed two danger signal extraction methods：value changes and feature changes. The experiment verifies that this model can adaptively extract danger signals without relying on prior knowledge.

关 键 词：人工免疫系统 危险理论 危险信号 变化提取 

分 类 号：TP309[自动化与计算机技术—计算机系统结构]