人工免疫系统研究及其工程应用

人工免疫系统是一种由生物免疫系统启发的学习外界物质的自然防御机理的学习技术。目前,人工免疫系统已开始成为计算智能研究的新领域。本文首先介绍免疫系统的机理,然后给出人工免疫网络模型和免疫学习算法,接着说明人工免疫系统的最新研究成果,最后指出其进一步研究的方向。     

人工免疫算法与系统集成的研究

生物免疫系统是一个复杂、并行、鲁棒的自适应系统,以其智能的信息处理能力而逐渐备受关注。为使研究人员能全面了解人工免疫常用算法原理及其应用和免疫系统与其他智能系统的交叉融合研究,以及由此建立的人工免疫系统模型、算法,在简述免疫系统生物学原理的基础上,概括了不同的免疫算法和各自的特性,总结了当前人工免疫系统与人工神经网络、进化算法、模糊系统的集成情况及工程应用现状。最后讨论了人工免疫系统面临的问题及未来发展趋势。     

人工免疫算法与系统集成的研究

生物免疫系统是一个复杂、并行、鲁棒的自适应系统,以其智能的信息处理能力而逐渐备受关注。为使研究人员能全面了解人工免疫常用算法原理及其应用和免疫系统与其他智能系统的交叉融合研究,以及由此建立的人工免疫系统模型、算法。在简述免疫系统生物学原理的基础上,概括了不同的免疫算法和各自的特性,总结了当前人工免疫系统与人工神经网络、进化算法、模糊系统的集成情况及工程应用现状。最后讨论了人工免疫系统面临的问题及未来发展趋势。     

利用人工免疫系统防范网络入侵与攻击

人工免疫系统是一个相对年轻的研究领域,在不同领域得到了广泛应用。本文以人工免疫算法为线索,介绍人工免疫系统在信息安全中研究现状和应用。首先介绍基于传统算法的免疫安全系统,包括反病毒系统、多Agent入侵检测和网络入侵检测。然后总结否定算法及其特点和基于否定算法的网络免疫系统。随后对危险理论基本原理及其在信息安全领域的应用进行系统综述。最后分析了人工免疫系统方法存在的问题,并指出进一步研究方向。     

人工免疫系统及其在控制领域中的应用

本文介绍了人工免疫系统及其在控制领域中的应用，首先简要介绍生物免疫系 统可被发展用于人工免疫系统的相关机理，然后给出基于生物免疫系统机理开发的、并应用 于控制领域的人工免疫网络模型和免疫学习算法，接着举例说明近年来人工免疫系统在控制 领域中的最新研究结果，最后给出了进一步的研究工作．     

人工免疫系统研究

本文首先简单解释了人工免疫的定义;其次对常见的免疫算法的机理和结构进行总结;接着分析了人工免疫系统的应用情况,最后指出人工免疫系统的以后的研究方向。     

免疫克隆算法参数的均匀设计

人工免疫系统是基于生物免疫系统特性而发展的新兴智能系统,本文介绍了人工免疫系统中的克隆选择原理。免疫克隆算法的参数设置通常是依靠经验和试验来确定,造成试验工作量大且难以得到最优的参数组合,影响了算法的使用。通过将免疫算法基本模型的参数设定问题描述成均匀设计中多因素、多水平的试验设计,从而能够用较少的试验很快 快设定算法参数的取值。仿真试验表明了该方法的可行性和有效性。     

基于人工免疫系统的推荐系统

简要介绍了免疫系统的基本概念，以及人工免疫系统中的独特型网络模型，将其算法思想引入推荐系统中，提出了一种基于人工免疫系统的推荐算法。给出了算法的描述，并对使用该算法前后的结果进行比较。数据实验结果表明，该算法对推荐预测精确度的提高有明显的效果。     

基于人工免疫的网络入侵检测技术

目前,受生物免疫系统启发而产生用于网络安全的人工免疫系统(Artificial Immune System,AIS)的研究正在兴起.通过把人工免疫机理引入到网络入侵检测技术中,出现了一个新兴的研究方向:基于人工免疫的网络入侵检测.本文详细讨论了目前基于人工免疫的入侵检测技术的现状,对反病毒模型、非选择性算法、基于免疫自主体的入侵检测框架和分层模型等进行了分析,最后对研究中存在的问题给出了分析,并指出需要改进和注意的问题.     

人工免疫算法在网络入侵检测中的应用

研究网络安全问题,由于网络受到各类攻击,当前入侵检测系统的最大问题是不能快速检测出新出现的异常入侵和较高的误报率.为了提高网络入侵检测正确率,提出一种人工免疫的网络入侵检测算法.网络入侵检测算法模拟了人工免疫系统中的匹配、否定选择、记忆等机制,通过人工免疫的“自我”和“非自我”识别能力对网络入侵行为进行检测.最后在Matlab平台上,对KDD CUP1999网络入侵数据集进行验证性测试,实验结果表明,提出的算法简单,检测准确,能识别出未知入侵信息,提高了检测效率,为设计提供了依据.     

人工免疫算法及其应用

阐述了人工免疫系统的基本概念,讨论了几种典型的算法,包括基于免疫系统基本机制的免疫算法、基于免疫特异性的否定选择算法、基于免疫系统克隆选择理论的克隆选择算法、基于接种疫苗及免疫多样性的免疫进化算法、AIS与神经网络混合智能算法和模糊免疫系统等;以年代为序简述了AIS发展历史,介绍了AIS在若干具有代表性的领域中的应用情况。最后通过对AIS的特性和存在问题的分析,展望了今后的研究重点和发展趋势。     

人工免疫原理在入侵检测系统中的应用研究

介绍了生物免疫系统的免疫原理,并且分析了目前入侵检测系统（IDS）及其存在的问题.为了解决这些问题,提出了一个基于人工免疫原理的入侵检测模型,该模型使用负筛选算法产生检测规则集.最后通过一个实例检验了这个系统,该系统与其它入侵检测系统相比增加了可适应性、自治性、健壮性等特点.     

入侵检测中的免疫算法研究

免疫算法是一种新兴的智能计算技术,已成为网络、智能控制、计算等领域研究的重点和热点之一。开展免疫算法的理论研究,对于发展新的入侵检测技术,建立新一代的入侵检测系统着重要的意义。该文讨论了几种典型免疫算法的原理,包括基于T细胞否定选择原理的否定选择算法,基于生物免疫系统克隆选择理论的克隆选择算法,遗传算法与免疫理论结合的免疫遗传算法,并讨论分析了不同免疫算法使用在入侵检测技术中的优劣。     

人工免疫系统的基本理论及其应用

介绍了生物免疫系统的工作机制与特性及人工免疫算法,且将人工免疫系统与其他智能方法进行比较.还归纳了人工免疫系统的工程应用并对人工免疫系统需深入研究的方向进行了展望.     

负向选择和克隆在网络入侵检测应用上的研究

本文设计了一种基于网络入侵检测的新型人工免疫系统N-AIS，详细介绍了这个系统的构成和流程，重点分析了N-AIS的一个组件--具有负向选择算子的静态克隆算法的特性和用法。     

一种r可变阴性选择算法及其仿真分析

论文首先简要介绍了人工免疫系统的基本概念,然后着重分析了人工免疫系统中的主要算法“阴性选择算法”,并提出一种r可变阴性选择算法．同传统的阴性选择算法相比,该算法大大减少了不可避免的“黑洞”数量．仿真结果表明：r可变阴性选择算法产生成熟检测器的迭代次数、黑洞数量均大幅下降,同时检测率有显著提高．     

Theoretical advances in artificial immune systems

Artificial immune systems (AIS) constitute a relatively new area of bio-inspired computing. Biological models of the natural immune system, in particular the theories of clonal selection, immune networks and negative selection, have provided the inspiration for AIS algorithms. Moreover, such algorithms have been successfully employed in a wide variety of different application areas. However, despite these practical successes, until recently there has been a dearth of theory to justify their use. In this paper, the existing theoretical work on AIS is reviewed. After the presentation of a simple example of each of the three main types of AIS algorithm (that is, clonal selection, immune network and negative selection algorithms respectively), details of the theoretical analysis for each of these types are given. Some of the future challenges in this area are also highlighted.     

Intelligent multi-user detection using an artificial immune system

Artificial immune systems (AIS) are a kind of new computational intelligence methods which draw inspiration from the human immune system. In this study, we introduce an AIS-based optimization algorithm, called clonal selection algorithm, to solve the multi-user detection problem in code-division multiple-access communications system based on the maximum-likelihood decision rule. Through proportional cloning, hypermutation, clonal selection and clonal death, the new method performs a greedy search which reproduces individuals and selects their improved maturated progenies after the affinity maturation process. Theoretical analysis indicates that the clonal selection algorithm is suitable for solving the multi-user detection problem. Computer simulations show that the proposed approach outperforms some other approaches including two genetic algorithm-based detectors and the matched filters detector, and has the ability to find the most likely combinations.     

基于模糊控制及遗传算法的反向选择算法

针对基于人工免疫的入侵检测技术中所使用的传统反向选择算法,在面对大量的网络通信数据或具有多个分离特征区间网络通信数据时的无效性,提出了基于模糊控制及遗传算法的反向选择算法.在利用反向选择算法生成抗体时,首先利用模糊控制原理来确定抗体的数量,使得计算机中抗体的数量处于最优,然后为了达到在一定数量抗体时种群的总体免疫力最大,引入了遗传算法来进化种群,最终使得在计算机中抗体的数量得到控制,同时在该数量下种群具有最大的免疫力.