提高免疫入侵检测效率：基于有效信息比率的邻域否定选择算法

该篇论文《基于有效信息比率的否定选择算法研究》由马天宇和张凤斌共同完成，发表在中国科技论文在线上，受到了国家自然科学基金项目（编号61172168）的支持。两位作者分别来自哈尔滨理工大学计算机科学与技术学院，其中马天宇专注于计算机网络安全领域，而张凤斌则是该领域的教授，电子邮箱为zhangfb@hrbust.edu.cn。 论文的核心关注点在于免疫入侵检测中的否定选择算法，这是一种关键的检测策略。然而，传统方法在处理邻域空间下存在一定的局限性，即其灵活性不足。为解决这个问题，作者提出了一种创新的方法，即基于有效信息比率的离散化，旨在提升算法在形态空间中的性能。这种方法允许在保持数据完整性的同时，对连续数据进行动态划分，形成适应网络数据特性的邻域形态空间。 通过这种方法，作者开发了"基于有效信息比率的邻域否定选择算法"，它旨在提高算法的检测效率，减少误报（即降低重叠率）。实验证明，这种新型算法在保持高检测率的同时，优化了算法在处理邻域数据时的性能，从而为免疫入侵检测系统带来了显著的优势。 论文的关键词包括：入侵检测、否定选择算法、邻域以及有效信息比率。研究领域被归类为393.0，即计算机科学与信息技术中的免疫计算和入侵检测部分。这篇论文不仅深化了对否定选择算法的理解，也为实际应用中的入侵检测提供了实用的改进策略。