·182 智能系统学报 第6卷 则不同匹配阈值的检测器的分布满足 0.96 Ns=NP· 0.94 0.92 仿真时，随机生成10000个未成熟检测器，即 解0.90 Nm=10000,当最大匹配阈值在T.=14~20之间变 0.88 化时，不同匹配阈值的检测器分布情况如图3所示. 0.86 5.0r 0.84 +200 4.5 ◆ 0.82 量-800 4.0 +-=14 士-1400 3.5 -r=15 0.80 滋 士r=16 31415161718192021 3.0 r=17 最大匹配阀值： 2.5 -"=18 2.0i ◆=19 +-=20 图4不同自体下最大匹配阑值与检测率的关系 1.5 1.0 Fig.4 The function between maximum matching 0.5 三三三 threshold and detection rate with different 1314151617181920 autologous amount 最人匹配阙值： 3.3检测器覆盖空间对比分析 图3成熟检测器分布图 用随机函数randerr()生成自我集，并构造模式 Fig.3 The mature detector 空间.N,为40个长度为L=13的二进制串，则其模 式空间共有8192个模式串.由于可变模糊匹配阴性 从图3中可以看出，表示某一匹配阈值的成熟 选择算法在产生检测器集时匹配阈值是变化的（例 检测器数目的曲线较平缓，并没有随着最大匹配阈 如r=7~11),而普通阴性选择算法匹配阈值固定 值的增加而增大，说明检测器集中某一匹配阈值的 (如r=7),因此可变检测器集中的检测器个数要远 成熟检测器的数目与最大匹配阈值无关，且数目基 远多于普通阴性选择算法所产生的检测器个数，进 本固定.匹配阈值小的成熟检侧器较多，因而能够覆 而可变检测器集的覆盖空间要远大于普通阴性选择 盖较大的模式空间；匹配阚值大的成熟检测器较少， 算法的，为了进一步增加可变检测器集空间覆盖率， 因而它能够检测到的异已模式较少，专一性较强.匹 本文生成了有效检测器集，下面对比分析可变检测 配阈值为模式串长度时所产生的成熟检测器，只能 器集与有效检测器集的覆盖空间. 检测到一个“非己”模式，专一性最强.因此可变模 用可变模糊匹配阴性选择算法分别产生含有 糊匹配阴性选择算法实现了以较小的检测器集合， 21~29个检测器的检测器集(r=7,最大匹配阈值 检测到较大范围的“非己”行为。 。=11),并对每一个检测器集生成对应的有效检测 3.2检测率 器集，对应的覆盖空间进行比较，如图5所示 由分析可知，漏报率P满足 P=(1-P)m+(1-P2)e+ 610 …+(1-PMc)Nc. 回 则检测率为 P,=1-P=1-(1-P4,)m-(1-P,)- …-(1-PMe)c ◆一可变检测器 一有效检测器 仿真中，利用上述实验产生的检测器，分别对含 20212223242526272829 有“异己”字符串的自体个数为200、800、1400的自 检测器个数 我集进行检测，得出不同的最大匹配阈值与检测率 图5覆盖空间的比较 的关系，如图4所示 Fig.5 Comparison of the space coverage 从图中可以看出，检测率随着最大匹配阈值的 从图5可以看出，可变模糊匹配算法的检测器 增加而增大，而与自体个数无关，只要检测器集中检 集与有效检测器集的覆盖空间均有跳变现象，且从 测器个数固定，检测率就固定.图中3条曲线并没有 表面上看，有效检测器集的整体覆盖空间要低于可 完全重合，这与自我集的分布有关.最大匹配阈值为 变检测器集的覆盖空间.这是因为由可变检测器集 13时的检测率最低，说明可变模糊匹配阴性选择算 生成的有效检测器集中，成熟检测器的个数明显减 法的检测率高于普通阴性选择算法， 少，如表1所示