2.2 RNSA的基本定義

SNS（self/nonself）理論表明機體依靠抗體（T細胞和B細胞）來識別自體抗原和非自體抗原，從而消除外來物質并維持機體的平衡和穩定。受此理論激發，在人工免疫系統中抗體被定義為檢測器，用以識別非自體抗原，它們的質量決定了檢測系統的準確率和有效性。但是，隨機生成的候選檢測器能夠識別自體抗原并引發免疫自反應。依據生物免疫系統中的免疫耐受機制和免疫細胞的成熟過程，Forrest提出了否定選擇算法來清除可以識別自體的檢測器。本書討論的否定選擇算法是基于實值的算法。RNSA的基本概念表述如下。

定義2.1抗原。Ag={ag ag=＜x1, x2, …, xn, rs＞, xi∈ [0,1],1≤i≤n, rs∈[0,1]}，為問題空間的全部樣本。ag是集合中的一個抗原；n為數據維度；xi是樣本ag的第i個屬性的歸一化值，同時代表了實值空間的位置；rs是ag的半徑，代表了ag的變化閾值。

定義2.2自體集。Self?Ag代表了抗原集合中的全部正常樣本。

定義2.3非自體集。Nonself?Ag代表了抗原集合中的全部異常樣本。自體和非自體在不同的領域有不同的含義。對網絡入侵檢測來說，非自體代表網絡異常，自體代表正常的網絡活動；對病毒檢測來說，非自體代表病毒特征碼，自體代表合法的代碼。

定義2.4訓練集。Train?Self是自體集的一個子集，是檢測的先驗知識。Ns是訓練集的大小。

定義2.5檢測器集合。D={d|d=＜y1, y2, …, yn, rd＞, yj∈[0,1],1≤j≤n, rd∈[0,1]}。d是集合中的一個檢測器，yj是檢測器d的第j維屬性，rd是檢測器的半徑，Nd是檢測器集合的大小。

定義2.6匹配規則。A（ag, d）=dis（ag, d）, dis（ag, d）是抗原ag和檢測器d之間的歐式距離。在檢測器的生成過程中，若dis（ag, d）≤rs+rd，那么檢測器d引發了免疫自反應，不能成為成熟檢測器。在檢測器的檢測過程中，若dis（ag, d）≤rd，那么檢測器d識別該抗原ag為非自體。

定義2.7檢測率。DR為非自體樣本被檢測器正確識別的數量占全部非自體的比例，表示為式（2.2）。TP為true positive，表示被檢測器正確識別的非自體數量。FN為false negative，表示被檢測器錯誤識別的非自體數量。

定義2.8誤報率。FAR為自體樣本被錯誤識別為非自體的數量占全部自體樣本的比例，表示為式（2.3）。FP為false positive，表示被檢測器錯誤識別的自體數量，TN為true negative，表示被檢測器正確識別的自體數量。

檢測器的生成過程，即RNSA的基本思想如表2.1所示。

在RNSA算法中，隨機生成的候選檢測器需要與訓練集中的全部元素進行距離計算dis（dnew, ag）。隨著自體數量Ns的增加，執行時間將呈指數增長，同時檢測器間的冗余覆蓋率也將增長，導致大量無效檢測器出現且效率低下。前面提到的問題極大地限制了否定選擇算法的實際應用。