Lernen Negativauswahl-Algorithmus | Künstliche Immunsysteme

Definition

Der Negative-Selection-Algorithmus ist vom biologischen Immunsystem inspiriert, das zwischen Selbst und Nicht-Selbst unterscheidet. T-Zellen, die auf Selbst reagieren, werden eliminiert, sodass nur diejenigen übrig bleiben, die fremde Eindringlinge erkennen können. Der Algorithmus definiert Selbst (normale Daten), generiert Detektoren, die nicht mit Selbst übereinstimmen, und verwendet diese zur Erkennung von Anomalien.

Der Prozess umfasst drei Schritte:

Erzeugung einer repräsentativen Menge von Selbst-Beispielen zur Erfassung des normalen Systemverhaltens;
Erstellung einer großen Anzahl zufälliger Detektoren;
Eliminierung der Detektoren, die mit Selbst übereinstimmen, sodass aktive Detektoren übrig bleiben, die Anomalien kennzeichnen, wenn sie mit neuen Daten übereinstimmen.


              12345678910111213141516171819202122232425262728293031323334
            
import random

def generate_random_detector(length):
    """Generate a random binary string detector of given length."""
    return ''.join(random.choice('01') for _ in range(length))

def match(detector, self_set, r):
    """
    Returns True if detector matches any string in self_set
    with at least r contiguous matching bits.
    """
    for self_str in self_set:
        for i in range(len(self_str) - r + 1):
            if detector[i:i+r] == self_str[i:i+r]:
                return True
    return False

def negative_selection(self_set, num_detectors, length, r):
    """
    Generate detectors that do not match any self string
    with at least r contiguous matching bits.
    """
    detectors = []
    while len(detectors) < num_detectors:
        detector = generate_random_detector(length)
        if not match(detector, self_set, r):
            detectors.append(detector)
    return detectors

# Example usage:
self_set = ['11001', '10011', '11100']
detectors = negative_selection(self_set, num_detectors=5, length=5, r=3)
print("Generated detectors:", detectors)

Stärken und Einschränkungen des Negative Selection Algorithmus

Der Negative Selection Algorithmus bietet eine unkomplizierte Methode zur Anomalieerkennung, inspiriert von Immunsystemen. Wesentliche Stärken:

Fähigkeit, unbekannte Anomalien zu erkennen, indem Daten außerhalb der Self-Menge identifiziert werden;
Kein Vorwissen über anomale Muster erforderlich, lediglich eine klare Definition der Self-Menge.

Einschränkungen umfassen:

Die Generierung von Detektoren verlangsamt sich mit wachsender Self-Menge;
Weniger effektiv bei hochdimensionalen oder kontinuierlichen Daten aufgrund lückenhafter Abdeckung des Non-Self-Bereichs;
Potenzial für Fehlalarme oder übersehene Anomalien, wenn die Self-Menge nicht vollständig repräsentativ ist oder Detektoren unzureichend definiert sind.

Trotz dieser Herausforderungen bleibt der Negative Selection Algorithmus ein zentrales Konzept in künstlichen Immunsystemen und der robusten Anomalieerkennung.

War alles klar?

Danke für Ihr Feedback!

Abschnitt 4. Kapitel 2

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Awesome!

Completion rate improved to 6.25

Swipe um das Menü anzuzeigen