Комбінування негативного відбору та наближених множин для виявлення аномалій в комп’ютерних системах

Abstract

Описано підхід до виявлення аномалій, заснований на комбінуванні штучних імунних систем і апарата наближених множин. За цим підходом використовується вибірка позитивних (нормальних) елементів, щоб генерувати вибірки аномальних елементів, які використовуються як ввідні дані для алгоритму класифікації. Алгоритм формує нечітку (приблизну) характеристику нормальних (або аномальних) елементів предметної галузі. Це дає змогу присвоювати елементам предметної галузі ступінь нормальності, наведено у вигляді ступеня приналежності. This paper describes an approach inspired by the immune system that allows the application of rough set classification algorithms to perform anomaly detection. This approach uses only positive (normal) samples to generate abnormal samples, which are used as input to a classification algorithm. The algorithm produces fuzzy (rough) characterization of the normal (or abnormal) space. This allows it to assign a degree of normalcy, represented by membership value, to elements of the space.