（计算机应用技术专业论文）免疫计算的建模与鲁棒性分析研究.pdf

摘要 人类免疫系统对人类健康特别重要，因为它能检测、识别、记忆 和消除外来的病毒和内部的病变，这些病毒和病变有时是未知的，甚 至是相当复杂的。受自然界的灵感启发，人工免疫系统对计算机世界 特别重要，因为它用来检测、识别、学习、记忆和消除计算机病毒、 故障等特定目标，这些特定目标也可能是未知的、非常复杂的。但是， 由于生物免疫学理论的不完备，人工免疫系统的发展存在两大瓶颈。 其一是传统的病毒异常检测方法建立在对病毒和异常的特征匹配基 础上，而未知病毒和未知异常的特征可能是未知的，因此在理论上不 可能达到1 0 0 的检测率。其二，不完善的病毒异常检测机制进一步 导致了较低的病毒识别率和异常识别率，限制了受损计算机系统的修 复程度和效率。为了突破人工免疫系统研究的瓶颈，更好地展开抗蠕 虫病毒和软件故障诊断的应用基础研究，根据组件的时空属性构建了 系统的正常模型，在自体存储器中存储了正常模型，用正常模型设计 了自体异体检测方法，在时空属性数据正确并且自体异体检测算子 正常的环境中从理论上达到了1 0 0 的检测率，提高了异体识别率和 系统修复率。 在免疫计算的建模方面，提出了人工免疫系统的自然计算模型， 建立了从自然免疫系统到人工免疫系统的映射。提出了免疫系统的正 常模型，并在正常模型的基础上提出了自然免疫系统的3 层可视化免 疫模型，包括固有免疫层、适应性免疫层和免疫细胞层。提出了人工 免疫系统的正常模型，用时空属性唯一确定了系统的正常状态，并在 正常模型的基础上提出了免疫计算的3 层测不准有限计算模型，3 层 包括固有免疫计算层、适应性免疫计算层和并行免疫计算层。在所述 正常模型的基础上，提出了通过自体检测来检测异体的自体异体检 测方法，在时空属性数据正确并且自体异体检测算子正常的条件下 其检测率在理论上可以达到1 0 0 。提出了未知异体学习模型，通过 已知异体的特征学习未知异体的特性。提出了异体消除方法和基于正 常模型的受损系统自修复方法，该方法提高了系统修复的效率。 在免疫计算新模型的免疫算子设计方面，提出了所述人工免疫系 统的正常模型构建算子，将正常模型的数据添加到自体存储器的时空 属性集合中。提出了基于正常模型的自体异体检测算子，提出了已 知异体识别算子和未知异体识别算子。设计了异体消除算子，并提出 了基于正常模型的系统自恢复算子。 在免疫计算的特性分析方面，提出了自然免疫系统和人工免疫系 统的测不准特征，人工免疫系统的测不准特性启示研究人员更加重视 对自体异体检测和受损系统自修复的研究。提出了免疫计算的计算 有限性，利用并行计算机制能提高免疫计算的负载极限，并降低人工 免疫系统在超负荷的情况下出现自我毁灭后果的可能性。提出了人工 免疫系统的鲁棒性判定定理，并提出了理想型分布式人工免疫系统的 鲁棒性归约模型及其定理。 在免疫计算新模型的实际应用方面，设计了用于抗蠕虫病毒的静 态w e b 免疫系统原型，并进行了大量的应用测试。提出了免疫控制 的四元结构和自然计算体系结构。设计了用于软件故障检测与诊断的 人工免疫系统方案，并在一些移动机器人上进行了软件故障诊断的应 用实验。 关键词人工免疫系统，正常模型，3 层免疫计算模型，鲁棒性， 抗蠕虫病毒 i i a b s t r a c t h u m a ni m m u n e s y s t e mi sv e r yi m p o r t a n tf o rh u m a nh e a l t h , b e c a u s e i ti sa b l et od e t e c t , r e c o g n i z e ，m e m o r i z ea n de l i m i n a t ef o r e i g nv i r u s e sa n d i n n e rf a u l t s ，w h i c ha r es o m e t i m e su n k n o w na n dw e nq u i t ec o m p l e x i n s p i r e df r o mn a t u r e ，a r t i f i c i a li m m u n es y s t e mi sv e r yi m p o r t a n tf o r c o m p u t e rw o r l d ，b e c a u s ei ti su s e dt od e t e c t , r e c o g n i z e ，l e a r n ，m e m o r i z e a n de l i m i n a t es p e c i a lo b j e c t s w h i c ha r ep o s s i b l yu n k n o w na n de v e nq u i t e c o m p l e x , s u c ha sc o m p u t e rv i r u s e s ，f a u l t sa n ds oo n h o w e v e r , d u et o i n c o m p l e t et h e o r i e so fi m m u n o l o g y , t w ob o t t l e n e c k sp r e v e n tt h ea r t i f i c i a l i m m u n es y s t e mf r o md e v e l o p i n g f i r s t , t r a d i t i o n a ld e t e c t i o na p p r o a c h e s a g a i n s tv i r u s e sa n df a u l t s a r eb a s e do nm a t c h i n gt h ef e a t u r e so ft h e v i r u s e sa n df a u l t s ，a n dt h ef e a t u r e so fu n k n o w nv i r u s e sa n du n k n o w n f a u l t sa r ep o s s i b l yu n k n o w n , t h u s1 0 0 d e t e c t i o ni si m p o s s i b l ei nt h e o r y s e c o n d ，t h ef a u l t ym e c h a n i s mf o rd e t e c t i n gv i r u s e sa n df a u l t sc a u s e s l o w e rp o s s i b i l i t yf o rr e c o g n i z i n gt h ev i r u s e sa n df a u l t s ，a n da f f e c t se x t e n t a n de f f i c i e n c yf o rr e p a i r i n gt h ed a m a g e dc o m p u t e rs y s t e m t oo v e r c o m e t h eb o t t l e n e c k so fr e s e a r c ho nt h ea r t i f i c i a li m m u n es y s t e ma n di m p r o v e r e s e a r c ho nt h eb a s i so ft h ea n t i - w o r ma p p l i c a t i o na n ds o f b q c a r ef a u l t d i a g n o s i s t h en o r m a lm o d e lo ft h es y s t e mi sb u i l t 、i mt h es p a c e - t i m e p r o p e r t i e so ft h ec o m p o n e n t sa n dt h en o r m a lm o d e li ss t o r e di nt h es e l f m e m o r i z e r t h ea p p r o a c hf o rd e t e c t i n gs e l f sa n dn o n - s e l f si sd e s i g n e d w i t ht h en o r m a lm o d e l ，1 0 0 d e t e c t i o ni sr e a l i z e di nt h e o r yo nt h e c o n d i t i o n st h a tt h ed a t ao fs p a c e - t i m ep r o p e r t i e sa r ec o r r e c ta n dt h e o p e r a t o rf o rd e t e c t i n gs e l l sa n dn o n s e l l si sn o r m a l ，a n dt h er a t ef o r r e c o g n i z i n gt h en o n - s e l fa n dt h er a t ef o rr e p a i r i n gt h es y s t e ma r eb o t h i n c r e a s e d t ob u i l dt h em o d e l sf o ri m m u n ec o m p u t a t i o n ，t h en a t u r a lc o m p u t i n g m o d e lo fi m m u n ec o m p u t a t i o ni sp r o p o s e da n dt h em a p p i n gf r o mt h e n a t u r a li m m u n es y s t e mt ot h ea r t i f i c i a li m m u n es y s t e mi se s t a b l i s h e d t h e i l l n o r m a lm o d e lo ft h ei m m u n es y s t e mi sp r o p o s e d o nt h en o r m a lm o d e l ， t h et r i - t i e rv i s u a li m m u n em o d e lo ft h en a t u r a li m m u n es y s t e mi s p r o p o s e da n dt h et h r e et i e r si n c l u d ei n n a t ei m m u n et i e r , a d a p t i v ei m m u n e t i e ra n di m m u n ec e l lt i e r n en o r m a lm o d e lo ft h ea r t i f i c i a li m l n u n e s y s t e mi sp r o p o s e d ，a n dt h es p a c e - t i m ep r o p e r t i e sa r eu s e d t oi d e n t i f yt h e n o r m a ls t a t eo ft h es y s t e mu n i q u e l y o nt h eb a s i so ft h en o r m a lm o d e l ， t h et r i - t i e ri m m u n ec o m p u t a t i o nm o d e lo fu n c e r t a i n t ya n dl i m i t e d c o m p u t i n gi sp r o p o s e df o rt h ea r t i f i c i a li m m u n es y s t e m t h et h r e et i e r s i n c l u d ei n n a t ei m m u n ec o m p u t i n gt i e r , a d a p t i v ei m m u n ec o m p u t i n gt i e r a n dp a r a l l e li m m u n ec o m p u t i n gt i e r m o r e o v e r ，t h es e l f n o n - s e l fd e t e c t i o n a p p r o a c ht h a td e t e c t sn o n - s e l l sb yd e t e c t i n gs e l l s i s p r o p o s e do nt h e n o r m a lm o d e l ，a n di nt h e o r yt h ed e t e c t i o nr a t ei s1 0 0 0 1 1t h ec o n d i t i o n s t h a tt h ed a t ao fs p a c e - t i m ep r o p e r t i e sa r ec o r r e c ta n dt h eo p e r a t o rf o r d e t e c t i n gs e l l sa n dn o n - s e l f si sn o r m a l t h em o d e lf o rl e a r n i n gu n k n o w n n o n - s e l l si sp r o p o s e d ，a n dt h ef e a t u r e so ft h eu n k n o w nn o s e l f sa r el e a r n t w i t ht h o s eo f t h ek n o w nn o n - s e l f s t h ea p p r o a c hf o re l i m i n a t i n gn o n - s e l f s a n dt h ea u t o m a t i ca p p r o a c hf o rr e p a i r i n gt h ed a m a g e dc o m p u t e rs y s t e m o nt h en o r m a lm o d e la r ep r o p o s e d ，a n dt h i sa p p r o a c hi su s e f u lf o r i n c r e a s i n ge f f i c i e n c yt or e p a i rt h ed a m a g e ds y s t e m i nd e s i g n i n gt h ei n l n l u n eo p e r a t o r s ，t h eo p e r a t o rf o rb u i l d i n gt h e n o r m a lm o d e lo f t h ea r t i f i c i a li m n u n es y s t e mi sp r o p o s e d ，a n dt h ed a t ao f t h en o r m a lm o d e la r ea d d e di n t ot h es e to fs p a c e - t i m ep r o p e r t i e si nt h e s e l fm e m o r i z e r t h eo p e r a t o rf o rd e t e c t i n gs e l f sa n dn o n - s e l f so nt h e n o r m a lm o d e li sp r o p o s e d ，a n dt h eo p e r a t o r sf o rr e c o g n i z i n gk n o w n n o n - s e l f sa n du n k n o w nn o n - s e l f sa r e p r o p o s e d t h ea l g o r i t h m f o r e l i m i n a t i n gn o n s e l l si sd e s i g n e d ，a n dt h ea l g o r i t h mf o rr e p a i r i n gt h e s y s t e mo nt h en o r m a lm o d e l i sp r o p o s e d t oa n a l y z et h ef e a t u r e so ft h ei m m u n ec o m p u t a t i o n ，t h eu n c e r t a i n t y f e a t u r e so ft h en a t u r a li m m u n es y s t e ma n dt h ea r t i f i c i a li m m u n es y s t e m a r ep r o p o s e d ，a n dt h eu n c e r t a i n t yf e a t u r eo ft h ea r t i f i c i a li m m u n es y s t e m i n s p i r e sr e s e a r c h e r st oe m p h a s i z em o r eo ni n v e s t i g a t i n gt h ep r o b l e m so f w d e t e c t i n gs e l f n o n - s e l fa n dr e p a i r i n gt h ed a m a g e ds y s t e mb yi t s e l f t h e c o m p u t i n gl i m i to ft h ei m m u n ec o m p u t a t i o ni sp r o p o s e d ，a n dt h ep a r a l l e l c o m p u t e ri su s e dt oi n e a s et h el o a dl i m i to ft h ei m m u n ec o m p u t a t i o n a n dd e c r e a s et h ep r o b a b i l i t yt h a tt h ea r t i f i c i a li m m u n es y s t e md e s t r o y s i t s e l fw h e ni t sl o a de x c e e d st h el i m i t t h et h e o r e mo fd e t e r m i n i n g r o b u s t n e s sf o rt h ea r t i f i c i a li m m u n es y s t e mi sp r o p o s e d ，a n do nt h eb a s i s o ft h et h e o r e m , t h em o d e la n dt h e o r e mo fr e d u c i n gr o b u s t n e s sf o rt h e i d e a ld i s t r i b u t e da r t i f i c i a li m m u n es y s t e ma r ep r o p o s e d i nt h er e a la p p l i c a t i o n so ft h ei m m u n ec o m p u t a t i o n , a na n t i w o r m i m m u n i z a t i o ns c h e m af o rt h es t a t i cw e bs y s t e mi sd e s i g n e da n dt e s t e di n al o to fe x p e r i m e n t s t h ef o u r - e l e m e n ts t r u c t u r ea n dn a t u r a lc o m p u t i n g a r c l l i t e e t u r eo fi m m u n ec o n t r o la l ep r o p o s e d t h ea r t i f i c i a li m m u n e s y s t e mf o rd e t e c t i n ga n dd i a g n o s i n gs o f t w a r ef a u l t sa r ed e s i g n e da n d t e s t e df o rs o m em o b i l er o b o t s t k e yw o r d sa r t i f i c i a li m m u n es y s t e m ，n o r m a lm o d e l ，t r i - t i e r i m m u n ec o m p u t i n gm o d e l ，r o b u s t n e s s ，a n t i w o r m v 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取 得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方外，论文 中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或 其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作 的贡献均已在在论文中作了明确的说明。 作者签名：壅i 羞日期：垄丑年月皇日 关于学位论文使用授权说明 本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留 学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部 分内容，可以采用复印、缩印或其它手段保存学位论文；学校可根据国家或 湖南省有关部门规定送交学位论文。 作者签名：垄遮导师签名殛日期：粤年月竺日 中南大学博士学位论文 第一章免疫计算研究的进展 第一章免疫计算研究的进展 免疫计算是受自然界的免疫系统灵感启发而来，用以解决计算机系统和网络 的安全问题、异常检测问题、故障诊断问题和智能控制问题等，其基本思想包括 自体异体检测与识别、未知异体的学习与记忆、自组织系统的自动修复、并行 计算与负载平衡、测不准的微观环境与整体的鲁棒性能等。 本章主要介绍免疫计算问题的定义和免疫算法研究的进展。本文的免疫计算 研究是在自然计算研究的框架下进行，免疫计算是由自然免疫系统启发而产生 的，免疫计算是与自然计算密切相关的新兴计算分支之一。 1 1 免疫计算问题的定义 早期的人工免疫系统起源于生物医学家将免疫学理论向工程领域的拓展，人 们开始用模拟免疫学理论或现象的计算机算法和系统求解计算机、控制领域的难 点问题，例如参数优化、优化控制、异常检测、故障诊断、抗病毒、网络安全等。 尽管人类免疫系统很复杂，甚至有的免疫学家都承认对该系统知之甚少，但免疫 系统的至关作用和卓越性能吸引了越来越多的生物学家、医学家、数学家以及计 算机学家、工程师等，免疫计算成为了越来越公认的新兴计算发展方向之一l 1 1 1 人工免疫系统的定义 目前，对人工免疫系统还没有统一的定义。从算法的角度看，人工免疫系统 是由免疫学理论和观察到的免疫功能、原理和模型启发而生成的适应性系统，可 通过免疫算法进行人工免疫系统的计算和控制闭。d 雒s u p m 认为，人工免疫系统 由生物免疫系统启发而来的智能策略组成，主要用于信息处理和问题求解【3 l 。 t m m a i s 认为，人工免疫系统是一种由理论生物学启发而来的计算范式，它借鉴 了一些免疫系统的功能、原理和模型，并用于复杂问题的求解【4 1 为了便于从系统正常模型、自体，异体检测与识别等角度研究免疫计算，下 面给出人工免疫系统的定义，并给出自体和异体的定义。 定义卜1人工免疫系统是受人类免疫系统的生物免疫现象和医学理论启 发而设计的计算机系统，该系统由一些人工免疫组件及其免疫算子构成，用以模 拟人类免疫系统的自体构建、异体检测与识别、异体消除和系统修复等功能，可 解决优化计算、信息安全、智能网络、故障诊断、智能机器人等领域的难题。 根据定义卜l ，人工免疫系统是一种计算机系统，包括计算机硬件和软件。 一般来说，构成软件的基本存储组件是文件，一个软件可能是由许多文件组成的 1 中南大学博士学位论文第一章免疫计算研究的进展 系统。本文以基于文件的人工免疫系统作为应用研究的主要对象，从基于文件人 工免疫系统的建模寻找其瓶颈的突破口。免疫算子是用来对人工免疫组件进行操 作的计算步骤，免疫算子会改变人工免疫组件的状态。 定义1 - 2 人工免疫系统的自体是所述人工免疫系统中正常的组件，所述文 件的正常状态是指该文件对于合理的输入能产生合理预定范围的输出时所处的 文件状态。人工免疫系统的异体是所述人工免疫系统中发生异常的组件和外来入 侵的对象，所述组件的异常状态是指该组件给定合理的输入产生超出合理预定范 围的输出时所处的组件状态。 1 1 2 免疫算法的定义 免疫是生物体的特异性生理反应，由具有免疫功能的器官、组织、细胞、免 疫效应分子及基因等组成【5 j 。根据b u r n e t 的细胞克隆选择学说和j e r n e 的免疫网 络学说，生物体内先天具有针对不同抗原特性的多样性b 细胞克隆，抗原侵入 机体后，在t 细胞的识别和控制下，选择并刺激相应的b 细胞，使之活化和增 殖，并产生特异性抗体结合抗原；同时抗原与抗体、抗体与抗体之间的刺激和抑 制关系形成的网络调节结构维持着免疫平衡 6 1 。随着理论免疫学和人工免疫系统 的发展，相继提出了几种免疫网络学说，如j e r n e 提出了独特型网络，以描述抗 体之间、抗体与抗原之间的相互作用【7 1 ；i s h i g u r o 等提出一种互相耦合免疫网络 模型嗍；t a n g 等提出一种与免疫系统中b 细胞与t 细胞之间相互反应相似的多 值免疫网络模型 9 1 ；h e r z e n b e r g 等提出一种更适合于分布式问题的松耦合网络结 构【i o l 。基于这些自然免疫学说，可以创建一些算法来模拟免疫机制，例如d e c a s t r o 和v o n z u b e n 提出的使用克隆选择原理进行人工机器的学习和优化研究 u l 。 目前对免疫算法以及有关问题还没有明确、统一的定义，王磊和焦李成等将 免疫概念及理论应用于遗传算法，在保留原算法优点的前提下，力图有选择、有 目的地利用待解问题中的一些特征信息或知识来抑制其优化过程中出现的退化 现象，这种算法称为免疫算法【1 2 1 。为了便于从系统正常模型构建、自体异体检 测、异体识别与消除等角度研究人工免疫系统的算法，下面给出免疫算法的定义。 定义l - 3 免疫算法是模拟生物免疫学和基因进化机理，人工构造的免疫操 作集合，是免疫计算的重要形式之一。 定义卜4 抗原是人工免疫系统中待检测的组件，抗原可能是自体，也可能 是异体，异体也可能是自体受其它异体感染而产生的。 定义1 - 5 自体数据库是人工免疫系统中的自体特征库，用以存储所有自体 的特征信息。异体数据库是人工免疫系统中的异体特征库，用以存储所有已知异 体的特征信息。 免疫算法的关键功能在于人工免疫系统对其受害部分的屏蔽、保护和学习控 2 中南大学博士学位论文 第一章免疫计算研究的进展 制。设计免疫算法有两种思路l l 】：一是用人工免疫系统的结构模拟自然免疫系统 的结构，用类似于自然免疫机理的流程设计免疫算法，包括对外界侵害的检测、 人工抗体的产生、人工抗体的复制、人工抗体的变异和交叉等；二是不考虑人工 免疫系统的结构是否与自然免疫系统的结构相似，而着重考察两系统在相似的外 界有害病毒侵入时，其输出是否相同或类似，侧重对免疫算法的数据分析，而不 是流程上的直接模拟【1 3 】。因为免疫机制与进化机制有关，所以免疫算法往往利 用进化计算来进行优化求解【i l 】。 1 2 免疫算法研究的进展 人工免疫系统是由免疫学理论和观察到的免疫功能、原理和模型启发而生成 的适应性系统，这方面的研究最初从2 0 世纪8 0 年代中期的免疫学研究发展而来。 1 9 9 0 年，b e r s i n i 等首次使用免疫算法来解决问剐1 4 1 。1 9 9 4 年，f o r r e s t 等开始将 免疫算法应用于计算机安全领域【”l 。1 9 9 5 年，c o o k e 和h u n t 开始将免疫算法应 用于机器学习领域【1 6 l 。近年来，越来越多的研究者投身于免疫算法的研究，自 然免疫系统强大的信息处理能力对计算技术的研究有很多重要的启发。一些研究 者基于遗传算法提出了一些模仿生物机理的免疫算法旧；人工免疫系统的应用 问题也得到了研究【l 习；还有一些学者研究了控制系统与免疫机制的关系0 9 1 。 1 2 1 免疫算法的分析和比较 1 1 2 节提到了设计免疫算法的两种思路，前一种思路基于白箱模拟的方法， 重点在于结构和机理上的模拟；后者基于黑箱模拟的方法，重点在于输入输出和 功能上的模拟l l 】。免疫算法的前一种设计方法依赖于生物免疫系统的知识。 1 ) 白箱模拟法现在很难做到从结构和机理上完全模拟生物免疫机制，因 为人类还没有完全解开生物免疫之谜，还有许多问题需要进一步研究。因而，目 前不少研究者往往按照自箱模拟法的思路，借用生物免疫机制的一些概念，从形 式上进行一定的模拟，以实现系统免疫的目的。例如，王磊和焦李成等模拟生命 科学中的免疫理论，引入了免疫算子来改进遗传算法【1 2 1 免疫算子根据生物免 疫理论分为全免疫和目标免疫两种类型，分别对应于生命科学的非特异性免疫和 特异性免疫，非特异性免疫又称为固有免疫，特异性免疫又称为适应性免疫。 2 ) 黑箱模拟法黑箱模拟法间接地从输入输出的特征来考察计算机系统对 自然系统的模拟。免疫算法采用进化算法、神经网络或示例学习机制对外界攻击 或病毒进行学习，产生与外界攻击或病毒相克的抗体，所以免疫算法一般采用进 化学习机制或神经网络刚。 近年来，特别是1 9 9 7 年人工免疫学在国际上兴起之后，国内外提出并发展 3 中南大学博士学位论文第一章免疫计算研究的进展 了一些免疫算法，这些免疫算法可以从两个方面进行比较和分析：1 ) 自然免疫 系统的免疫学理论和方法；2 ) 计算机算法的分析量度。 主要免疫学说有阴性选择原理、进化学说、克隆选择理论、疫苗学说和免疫 网络理论等，根据这些不同的免疫学说提出以下5 种不同的免疫算法： 1 ) 阴性选择算法基于阴性选择原理b a l a c h a n d r a n 提出了阴性选择算法来 检测异常，其算法主要包括以下两步：首先产生监测器集合，其中每个监测器与 被保护的数据都不匹配；然后不断地将集合中每个监测器与被保护的数据相比 较，如果监测器与被保护的数据相匹配，则判定该数据发生了变化【2 。 2 ) 免疫遗传算法c h u n 等提出了一种由遗传算法改进而来的免疫算法 2 2 1 。 3 ) 克隆选择算法d ec a s t r o 等基于免疫系统的克隆选择理论提出了克隆选 择算法，该算法是模拟免疫系统学习过程的进化算法田】。 4 ) 基于疫苗的免疫算法焦李成、洪炳镕等基于免疫系统的理论提出了基 于疫苗的免疫算法【1 2 ，2 4 1 。 5 ) 基于免疫网络的免疫算法t o m a 等基于主要组织相溶性复合体( m h c ) 和免疫网络理论提出了一种自适应优化的免疫算法，用于解决多艾真体中每个艾 真体的工作域分配问题【2 5 j 。 从计算机算法的量度分析，可以考察免疫算法及其优化算法的以下参数： 1 ) 变异率免疫算法作为一种多峰值搜索算法，变异操作在该算法中显得 尤为重要，算法通过变异操作维持群体的多样性，使算法最终收敛于多个峰值或 收敛于全局最优点。变异值的取值既不能太大也不能太小；太小变异操作的效果 不明显，群体的多样性不能保证，因而不能收敛于全部峰值；太大则群体的稳定 性很差，搜索过程难以长时间稳定收敛，易出现振荡。合适的变异率既可以搜索 到全部峰值，又可以保持稳定收敛的状态刚。 选择阈值选择阈值是免疫算法基于比率选择操作的一个重要参数，它 与变异率配合，能有效地保证群体的多样性，防止搜索过程陷入个别极值，对免 疫算法的多峰值搜索能力影响很大。选择阈值不宜太大，太大则该阈值的限制作 用失效，搜索过程易陷入几个适应值较大的峰值，降低群体的多样性，因而难以 找到所有的峰值。当然，此值也不宜太小，太小就将使适应值对期望繁殖率的影 响削弱太多，导致搜索过程难以找到几个较大的峰值口曰。 3 ) 抗体生命周期免疫系统的抗体群中，克隆抗体具有一定的寿命，将这 种免疫抗体生命周期引入优化算法，可用于动态环境中种群个体的不同适应性的 标度，在大范围内具有适应性的个体将具有较长的寿命，而只能在小范围内适应 的个体，其寿命较短。 4 ) 复杂性计算复杂性是解决一个数学形式问题所必需的固有计算资源的 4 中南大学博士学位论文 第一章免疫计算研究的进展 量度。它是不变的，因为计算复杂性仅依赖于这个问题，而独立于用来解决这个 问题的特定算法 2 7 1 。对于自然界本身的计算( 自然计算) 及其模拟计算问题，其信 息是局部的。换言之，这些信息不能唯一标识一个数学问题的一个物理状态或一 个实例，而且这些信息受误差的影响。例如，在免疫网络中要想知道受害部分的 情况，就需要通过各种传感器测量数据。因为测量数目是有限的，因而得到的信 息是局部的，且这些测量不可避免地受误差的影响。 5 ) 解群体的规模解群体的规模( 即群体中解个体的数目) 一直是随机搜索 算法的一个重要参数，它是影响算法并行性的决定性因素之一，针对不同问题选 择适当的群体规模会提高算法的效率和性能 2 6 1 。规模太小，则并行搜索的范围 太小，难以找到所有峰值；规模太大，又会不必要地延长搜索过程所需要的时间 1 2 2 免疫算法的应用 免疫算法已得到越来越多的应用，包括优化求解、杀毒、故障诊断、鲁棒控 制、智能网络、防止黑客入侵、容错、匹配、分类与决策等方面例。 传统计算机免疫系统检测器训练效率低下，自体异体定义缺乏动态的演化 机制，适应性较差，不能满足真实网络环境下网络监控的需求。有鉴于此，李涛 提出了一种新型的基于免疫的网络监控模型( 越m 旧，给出了自体、异体、抗原、 检测器以及证据的形式定义，建立了自体、抗原、动态取证、免疫耐受、检测器 的生命周期以及免疫记忆的动态模型及相应的递推方程，并对模型进行了仿真。 实验表明这种新型的网络监控模型具有良好的多样性、实时性和自适应能力唧 使用免疫算法还可以进行要纠错的同步电机的最优设计，这里免疫算法作为 一种最优设计算法【卿。 计算机安全问题的解决是一个综合性问题，涉及到诸多因素，包括技术、产 品和管理等。目前国际上已有众多的网络安全解决方案和产品，如为了防御病毒。 新墨西哥大学以及m m 等公司的科学家们正在致力于人工免疫技术，能够为计 算机提供模拟人类生物学的高级免疫系统。由于出口政策和自主性等问题，不能 直接用于解决我国自己的网络安全，因此我国的网络安全只能借鉴这些先进技术 和产品，自行解决目前国内已有一些网络安全解决方案和产品，比如武汉大学 软件工程国家重点实验室以演化计算为基础，结合生物免疫的原理，研究人工免 疫的机理，提出一个计算机网络安全免疫的模型【3 1 - 3 2 1 该模型弥补了传统安全模 型中在环境独立性、白适应性、系统多样性、分布性、群体协同性上的不足 免疫遗传算法由于在遗传算法的基础上引入了抗体间亲和度的计算及调节 机制，能有效保持抗体的多样性，避免早熟收敛。郑德玲和付冬梅等将免疫遗传 算法用于高炉焦比优化中，取得很好的效果1 3 3 】。 针对带宽延时受限、费用最小的q o s ( 服务质量，q u a l i t yo f s e r v i c e ) 组播路由 5 中南大学博士学位论文第一章免疫计算研究的进展 问题，刘芳等提出了一种免疫算法，给出了免疫疫苗选取与免疫算子构造的具体 方法。将免疫算法应用于组播路由选择，是通过在基于遗传算法的组播路由选择 的基础上引入免疫算子来实现的，该算法采用的进化算子简便、高效。仿真实验 表明，该算法不仅有效可行，而且较好地解决了标准遗传算法中出现的退化现象， 提高了收敛速度和搜索能力刚。 总之，免疫算法作为一种最优算法、仿生智能算法。在计算、网络、控制、 学习等方面都有许多应用，具有很大的应用潜力。 1 2 3 免疫算法的两大瓶颈问题和未来研究重点 免疫算法是人工免疫系统的重要算法，用来模拟自然界中生物免疫原理，对 外界侵害进行识别、学习和防御操作，达到系统损害的最小化，从而实现系统鲁 棒性、安全性和智能性的最大化。根据免疫算法的研究经验，外来侵害的检测和 内部学习机制的优化成为两大难剧1 12 1 。目前使用的外来侵害检测算法还十分简 单低能，与生物体的机能差距很大，远不能满足实际应用的需要。改进免疫算法 的识别模块需要利用模式识别、决策、网络入侵等方面的知识和技术。现在的免 疫算法一般建立在精确的数学模型公式或进化计算的基础上，数学模型固然简 单、易于实现，但功能不强，结果往往失真，智能度不高，也不便于改进。进化 计算是一种比较成功也比较成熟的仿生优化算法，可以实现全局最优，也可以进 行并行分布式计算，但其弱点在于效率不高，随机性不好控制。为了提高算法的 效率，可进行并行处理，也可根据具体问题的信息，在免疫算法中加入问题的启 发性信息，以优化算法的效率。 虽然免疫算法的发展主要有以上两个难点，但免疫算法的发展前景依然十分 乐观，实际应用的召唤和成功实例大大增强了免疫算法发展的必要性和可能性。 以后随着人工免疫系统的发展，免疫算法会逐步成熟，成为人工免疫系统的计算 中心。免疫算法在计算机网络方面的应用将会不断增强和扩展，网络的安全性和 鲁棒性将会得到实质性的提高，其智能水平也会不断提高【i 】。因为自然、人工灾 害时有发生，而自然免疫系统是最完美的抗灾系统之一，因此基于免疫算法的抗 灾智能w e b 系统将得到大力研究，并在实际抗灾系统信息化进程中得到应用； 机器人作为研究的热点，免疫机器人的提出、研究和开发将成为智能机器人的一 个亮点p 5 】；故障诊断的智能化是发展趋势，免疫算法在故障诊断方面的应用能 大大提高其智能度，增强诊断效果。 1 3 免疫计算的自然计算框架 免疫计算是受自然界灵感启发而产生的新兴计算分支之一，量子计算、d n a 6 中南大学博士学位论文第一章免疫计算研究的进展 计算、进化计算和神经计算等新兴计算机制也都是受自然系统启发而来的，这样 传统的计算正扩展为自然计算删a n l r a lc o m p u t a t i o n ，n c ) 【蚓。 1 3 1 自然计算的起源 虽然人工智能推动了科技发展，并影响着人类的科学、教育、工业和生活等 领域田“】，但是由于人工智能缺乏坚实的数学基础，尚不能像物理学、化学和天 文学等其他学科那样得到更充分的发展。 令人鼓舞的是，近年来自然计算正成为人工智能最重要的数学基础之一【4 2 】。 这门计算科学研究如何使用数学工具模拟人脑的知识表示、推理、学习等功能 人工智能研究需要信息论、概率论和优化论等数学背景【2 7 ，4 3 。例如，量子计算 机由两级量子系统或按照量子一致的方式处理信息的量子组成。用量子计算解决 某些问题比经典计算更快。这些问题包括大规模的因式分解和数据库搜索。用量 子计算求积分也比经典算法更有效m4 s 。计算已从科学计算的公式转换扩展到 符号计算、生物机制的仿真以及自然法则的事件模拟。总之，量子计算、免疫计 算等其他一些新兴计算分支的产生和发展促进了自然计算的发展 4 6 - 4 9 1 。 人工智能需要坚实的数学基础，包括信息论、概率论和优化论等，人工智能 的数学基础之一就是自然计算1 4 2 - 5 0 1 。d n a 计算研究的最新成果已经扩展了对自 然计算的理解。1 9 9 4 年，阿德曼博士使用现代分子生物学技术，提出了解决哈 密顿路径问题的d n a 分子生物学计算方法，并在试管里求出此问题的解【5 1 1 。这 就显示了d n a 计算是自然界生物中一种内在的独立于传统计算机的自然计算机 制。2 0 0 6 年，中国上海“d n a 计算机交叉创新团队”，应用d n a 核酶研制成功 一类新型的d n a 逻辑门1 5 2 1 。d n a 计算似乎显示出计算是生命的基础和核心【5 3 l 。 根据自然计算的上述发展史，可以提出一些有关自然计算的问题，例如自然 计算的表示、编码、控制策略、计算算法等。最近根据自然计算是自然界的一种 内在机制和智能的基础的观点，提出了自然计算的一种框架【1 2 1 。此外，还提出 了从自然界存在的计算模式广义映射到新的自然启发的计算模式的模型，然后分 析了这个模型的结构、原理和特征 s 4 - s s 。 1 3 2 自然计算问题 对于计算机、自动控制等系统，计算模型是最重要的模块之一。在现代数字 时代，计算模块对各种数字操作以及数字信息与其他信息之间的转换是必要的。 这里所指的其他信息包括自然信息，其形式是自然的，来自自然。 计算机、自动控制等系统可由底层、中间层和高层3 层构成，如图卜1 所示。 底层包括执行模块和监督模块，其功能就是执行程序、监视结果和异常。中间层 包括控制模块和计算模块，而其功能就是控制和计算信息。高层包括智能模块， 7 中南大学博士学位论文 第一章免疫计算研究的进展 其功能就是模拟人类智能行为。 ；。j ； 系统 图卜i计算机，自动控制等系统的分层体系结构 高层