基于遗传算法的B细胞高频变异方法

在机体免疫系统中,B淋巴细胞和T淋巴细胞协同起采识别抗原.B细胞在初次识别到抗原后,以较高的概率进行变异和自我复制,形成新的识别能力,使得免疫系统具有更高的适应性.然而,B细胞在变异和自我复制的过程中,多数变化会导致更弱或者非功能性抗体,使免疫系统开销增大,效率降低.本文提出一种基于遗传算法的B细胞高频变异方法,很好地克服了该问题.     

基于生物免疫原理的入侵检测模型

借鉴生物免疫机理中B淋巴细胞和T淋巴细胞协同识别抗原的机制,提出了一种基于生物免疫原理的入侵检测模型,该模型由特征抽取模块、检测模块和报警模块组成,能够克服传统入侵检测模型低检测率、静态自体集,以及误报和漏报等情况的发生,提高了模型的准确率、适应性、动态性和多样性。实验结果表明,新模型具有更高的检测性能,能有效识别未知入侵行为,具有较高的实用价值。     

人工免疫系统中的云决策*

分析了在人工免疫系统中识别器识别抗原的过程中,由于抗原的属性具有不确定性并且抗原空间异常庞大,传统的单一识别模式带来的高伪肯定率和伪否定率的问题。引入了云模型的理论来应对此类问题,用多个识别器联合对抗原进行云决策,达到降低识别的伪肯定率和伪否定率的目的。     

基于云模型的识别技术

以机体免疫思想的人工免疫系统作为一种动态自适应的方法,可以更好地解决传统的网络防御方法的被动、静态等缺点。引入云模型的概念,提出了人工免疫系统中云识别的理论,即根据环境的需要用多个识别器对不确定性抗原进行联合云识别,以达到降低伪肯定率和伪否定率的目的。     

结合先天和适应性免疫的蠕虫检测免疫模型

现有的蠕虫检测方法大多通过关闭不安全的端口,切断感染主机与未感染主机之间通信等方法延缓蠕虫传播而达到将损害减少到最低程度的目的.实际上在实施这些方法时往往有许多障碍需要克服,其中的最大障碍就是存在错误检测率高的问题.现将免疫危险理论中的DCs(树突状细胞,Dendritic Cells)-T细胞协同机制用于蠕虫检测,其中DCs属于先天免疫系统细胞,T细胞属于适应性免疫系统细胞.本模型将蠕虫进程触发的系统调用序列当作抗原,将感染蠕虫导致的主机和网络异常当作危险信号.在该模型中,DCs负责危险信号的收集检测并提呈与该危险信号关联的抗原给T细胞检测器进行抗原结构检测.理论分析说明,这样的双重检测方法可以降低伪肯定率和伪否定率,并且记忆T细胞检测器的采用能使系统对类似蠕虫的再次感染反应更加迅速.     

基于食物链的计算机免疫多识别器协同识别模型

借鉴自然免疫系统的一些特性,在基于系统调用(systemcall)的基础上建立了位串识别器,并借鉴食物链的一些特征,建立了一种多识别器协同识别模型。该模型符合自然免疫系统的高分布性、多样性、再次反应的快速性等特点。     

基于云模型的识别技术

以机体免疫思想的人工免疫系统作为一种动态自适应的方法，可以更好地解决传统的网络防御方法的被动、静态等缺点。引入云模型的概念，提出了人工免疫系统中云识别的理论，即根据环境的需要用多个识别器对不确定性抗原进行联合云识别，以达到降低伪肯定率和伪否定率的目的。     

免疫识别器动态覆盖性的选择策略

免疫识别器的浓度、系统资源占用与人工免疫系统的有效性具有重要的关联关系。在尽可能少地占用系统资源,即降低识别器浓度的前提下,为了更有效地识别NONSELF,保证识别器的动态覆盖性是关键。文章根据机体免疫学的动力学原理,提出了一种动态选择算法,通过对识别器的优胜劣汰提高识别器集合的整体识别能力。     

基于残余抗原学说的动态记忆风险识别模型

以小概率事件风险识别为研究对象,提出一个基于残余抗原学说的动态记忆风险识别模型DMRIM。DMRIM针对小概率事件风险的无规则等特点,将风险的强度和频度直观地、动态地映射为残余抗原的浓度,以残余抗原刺激免疫记忆、指导抗体进化、控制识别器的生命周期,突破了传统的记忆细胞生命周期,实现了识别器分布自制,提高了小概率事件的辨识能力。仿真实验表明,DMRIM充分体现免疫记忆的动态性,有效地识别小概率事件,其可行性在实际应用中得到了验证。     

基于逻辑程序的免疫识别器动态覆盖性初探

免疫识别器的动态覆盖与人工免疫系统的有效性具有重要的关联关系,应该用尽可能少的识别器覆盖尽可能多的NONSELF空间。根据识别器的动态覆盖性原理,引入逻辑程序来表示免疫识别器,并运用逻辑程序的更新特性,试图消除识别器所识别出的NONSELF空间的冗余,降低识别器的浓度,增强识别器的动态覆盖性。     

免疫原理驱动的层次入侵检测技术研究

针对当前入侵检测系统普遍存在的误报、漏报和缺乏自适应性问题,本文以人体免疫系统的多层防御结构为基础,结合误用检测和异常检测两种检测技术并引入协议分析方法,提出了一种基于免疫原理的层次入侵检测技术,给出了成熟检测规则的生成算法,详细阐述了层次入侵检测过程。借鉴人体免疫中的B细胞和T细胞的协同演化机理,提出了B规则与T规则的协同演化方法并详细描述了其协同演化过程,利用此演化方法能不断地对规则库里的规则实施进化。使之始终保持最有效的检测规则,从而使该检测技术具有动态自适应性、响应快速性和识别准确性等特性,以弥补传统入侵检测技术的不足。     

基于免疫和D-S证据理论的计算机病毒检测方法

针对基于特征码的检查方法不能检测出未知病毒和已知病毒的新变种的问题,提出了一种基于免疫原理和D-S证据理论的计算机病毒检测方法。基于对现有计算机病毒免疫系统的深入剖析,提出了一种新的抗原提呈策略;借助基于免疫原理的计算机病毒检测方法输出的抽象层信息,提出了针对病毒检测的融合方法;通过融合不同抗原提呈基因库的检测结果,可提高基于免疫原理的计算机病毒检测方法的检测性能。实验结果表明:该方法对未知病毒具有良好的检测效果,在较低的误报率下获得了较高的检测率。实验验证了所提出方法的有效性,为病毒检测方法研究提供了一种新的思路。     

基于免疫机理的网络入侵检测系统的抗体生成与检测组件

介绍了作者设计并实现的基于免疫机理的网络入侵检测系统的抗体生成与检测组件．作者在该组件实现中类比自然免疫系统自适应免疫的两种免疫类型提出了被动免疫抗体和包括记忆自动免疫抗体及模糊自动免疫抗体的自动免疫抗体的概念．它是结合了模糊推理系统和统计的方法,达到了改善入侵检测系统的性能的目的．该文还给出了根据收集到的网络数据包以及DARPA1999的入侵检测评估数据对基于免疫机理的网络入侵检测系统的测试实验．通过与SNORT系统以及DARPA的检测结果进行比较,证明了使用了抗体生成与检测组件的基于免疫机理的网络入侵检测系统对已知和未知攻击都有令人满意的检测率．     

一种基于人工免疫和代码相关性的计算机病毒特征提取方法

现有的计算机病毒检测方法利用病毒特征码来检测病毒,已经不能适应病毒技术的发展,特别是其无法检测出病毒的新变种与未知病毒.受自然免疫系统的启发,该文提出了一种基于人工免疫的利用计算机病毒代码相关性的计算机病毒特征提取方法.这种特征提取方法在底层提取出与病毒相关的字节模式,在相对更高的层面上记录这些字节模式之间的共同作用信...     

An immunoglobulin-based artificial immune system for solving the hybrid flow shop problem

We consider the n-job, k-stage problem in a hybrid flow shop (HFS) with the objective of minimizing the maximum completion time, or makespan, which is an NP-hard problem. An immunoglobulin-based artificial immune system algorithm, called IAIS algorithm, is developed to search for the best sequence. IAIS, which is better fit the natural immune system, improves the existing AIS by the process before/after encounter with antigens. Before encounter with antigens, a new method of somatic recombination is presented; after encounter with antigens, an isotype switching is proposed. The isotype switching is a new approach in artificial immune system, and its purpose is to produce antibodies with the same protection but different function to defense the antigen. To verify IAIS, comparisons with the existing immune-based algorithms and other non-immune-based algorithms are made. Computational results show that IAIS is very competitive for the hybrid flow shop scheduling problem.     

基于免疫应答原理的多目标优化免疫算法及其应用

基于免疫应答原理，合理地构建免疫算子及引入一种新的小生境技术, 提出一种 解决多目标优化问题的免疫算法. 在此算法中，将优化问题的可行解对应抗体及Pareto最优个体对应抗原，这种抗原存于抗原群中,并应用新的聚类算法不断更新抗原群中的抗原, 进而获大量的Pareto最优解, 这些解能很好地分布在Pareto面（此指由Pareto最优解构成）上. 理论证明了该算法能获Pareto最优解. 最后，将该文的算法与文献\[3\]的算法SPEA进行仿真比较, 获该算法的有效性, 此表明免疫算法解决多目标优化问题具有广阔的前景.     

Change detection in synthetic aperture radar images based on unsupervised artificial immune systems

In this paper, we propose a novel change detection method for synthetic aperture radar images based on unsupervised artificial immune systems. After generating the difference image from the multitemporal images, we take each pixel as an antigen and build an immune model to deal with the antigens. By continuously stimulating the immune model, the antigens are classified into two groups, changed and unchanged. Firstly, the proposed method incorporates the local information in order to restrain the impact of speckle noise. Secondly, the proposed method simulates the immune response process in a fuzzy way to get an accurate result by retaining more image details. We introduce a fuzzy membership of the antigen and then update the antibodies and memory cells according to the membership. Compared with the clustering algorithms we have proposed in our previous works, the new method inherits immunological properties from immune systems and is robust to speckle noise due to the use of local information as well as fuzzy strategy. Experiments on real synthetic aperture radar images show that the proposed method performs well on several kinds of difference images and engenders more robust result than the other compared methods.     

入侵检测中基于残余抗原理论的动态记忆算法

依据生物免疫的防御层次结构,分析了网络入侵的多层防御体系.引入生物学中残余抗原理论,结合入侵检测过程中存在的残余抗原,提出了一种新的基于残余抗原理论的动态记忆算法.在此基础上,分析了算法的设计思想,给出了算法的具体实现过程.实验数据表明:该算法实现了识别器记忆的动态性和持久性,并且能够提高系统资源的利用率.