【学习】人工免疫算法

开始项目后，我主要负责研究网络自免疫，对人工免疫系统有了一些初步的了解。

人工免疫特点：

1.识别与分类：可是识别自体和非自体。（如阴性选择法建立的检测器）

2.多样性：可以对进行基因重组，并可以进行高频变异。

3.自学习：亲和力成熟，在系统打破稳定后依旧可以识别并消灭抗原，并可以更新规则库。

免疫网络和克隆选择理论揭示了免疫应答过程的机理，表明抗体的产生市免疫系统的学习过程和优化过程。

4.记忆功能：如同人体记忆细胞，一旦发现曾经响应的抗原再次入侵，就可以调用记忆细胞，对其进行快速而有效的应答。

5.分布式：免疫系统中的淋巴细胞分布在全身，根据周围的环境自适应的确定自身的行为，整个免疫系统无中心控制点。

6.自调节：在清除病原体（抗原）后，系统可自行恢复到稳定状态。具有较强的抗干扰和维持系统自平衡的能力。

已经提出的免疫算模型：

1.独特型免疫网络模型:

Jerne的模型：淋巴细胞通过识别而互相刺激或抑制，形成相互作用的动态网络，免疫系统可在整个网络中对抗原的识别。

抗原的表面具有反映抗原特性的部位,称为表位(epitope),又称为抗原决定位。特定的抗体通过自身的可变区与抗原决定位的结合来识别这种抗原,抗体上可以与抗原决定位结合的部位称为对位(paratope),表位和对位的关系如同锁和钥匙的关系,这种结合关系导致了免疫响应的特异性。不只抗原具有能够被其他抗体识别并结合的抗原决定簇,抗体也具有抗原性。抗体上能够被其他抗体识别的抗原决定位一般称为独特型(idiotype)抗原决定簇,或称独特位(idiotope)。

当某种抗体的对位与表位或独特位结合后,分泌这种抗体的B细胞会受到激励,当激励超过一定阀值后,进行克隆扩增,从而产生免疫响应。同时,被结合的抗原或抗体受到抑制,抗体对应的B细胞数量会减少。大量抗体的相互作用以及与抗原作用组成一个网络,如图1所示。图中NS为B细胞间的激励,NN为B细胞间的抑制,PS为抗原对B细胞的激励。

Stadler的模型：B淋巴细胞的繁殖由一个函数控制，可用动态方程描述免疫网络的动态行为。

Hirayama的模型：用数学方程描述免疫网络在短时间内的动态行为。

2.多值免疫网络模型：

Tang提出了一种基于B细胞和T细胞相互作用的多值免疫网络模型用于模式识别，其具有良好的记忆能力和抑制噪声的能力。

该模型模拟免疫系统B 细胞和T 细胞的相互作用，体现抗原( Ag) 、抗体( Ab) 、B 细胞、辅助T 细胞( TH) 和抑制T 细胞( TS) 之间的交互过程。

当抗原入侵时，B细胞受辅助T细胞激活(IL+)和抑制T 细胞抑制(IL－)的双重调节作用下分泌抗体，其数量不单由B细胞决定，而是由B细胞和T细胞的交互调节机制决定。

3.免疫联想记忆模型：

Smith指出免疫记忆是一种具有鲁棒性的联想记忆，并将其与分布式记忆相比较。

Abbattista基于免疫网络的学习和自适应原理提出免疫联想记忆模型，用于模式识别。（分成学习和回忆阶段）

Tarakanov基于免疫系统中抗原与抗体的相互作用原理建立了免疫系统数学模型。

Zak模拟免疫系统的功能提出了免疫系统的随机模型，它具有自己和非己识别、自我修复等功能。

已经提出的免疫算法：

1.阴性选择法（反向/否定选择法）：由Forrest提出。主要包括两个步骤：a.生成检测器集合。b.检测器与已知自体（被保护数据）比较

优点：异常检测不需要先验知识，鲁棒性强； 缺点：自体数据变长后，检测器的数量指数率增加。

Helman提出算法改进，让检测器线性增加。

2.克隆选择法：

de Castro克隆选择法：模拟免疫系统的学习过程的进化算法。

3.基于疫苗的免疫算法

焦李成、王磊提出一个算法；在遗传算法中加入免疫算子，以提高算法的收敛速度和防止群体退化。其中免疫算子包括接种疫苗（提高适应度）和免疫选择（防止种群退化）两部分。

4.基于免疫网络的免疫算法

Naruaki基于MHC（主要组织相溶性复合体）和免疫网络理论提出一种自适应优化免疫算法，该算法比遗传算法具有更高的搜索效率。

两步骤：a. MHC区别自己和非己 b.用免疫网络产生智能体的自适应行为。

 

免疫算法的基本步骤：（此处只是算法，而非免疫过程，目的是找出最优抗体——最优解）

1.识别抗原：确认入侵的抗原。

2.产生出是抗体群体：初始抗体采用随机生成法，并通过条件加以限制约束，产生符合要求的初始抗体，再通过择优汰劣，得到优秀的群体。

3.计算抗原、抗体间的亲和力。抗原-抗体亲和力为他们之间的结合强度。抗体亲和力表示抗体间的相似程度。、

4.记忆细胞分化：将与抗原有最大亲和力的抗体转化成记忆细胞，若有相似抗体，则择优选择，亲和力较大的代替亲和力较低的。若无相似抗体，则将适应度最高的（亲和力最大的）抗体转化成记忆细胞。

5.促进和抑制抗体的产生：亲和力高——促进产生，增加选择概率；抗体浓度高——抑制产生，减少选择概率，保持个体多样性。

6.抗体的产生：对于新入侵抗原，通过抗体交叉、变异准则，产生下一代抗体，以此代替旧抗体。

7.终止判断：判别终止条件。

8.获得最优抗体：产生与抗原亲和力最大的抗体。

人工免疫功能：

1.检测和识别系统内部的操作系统，以及应用软件的漏洞。

2.检测和识别病毒，阻止其在网络内部传播。

3.有效的检测并识别网络外部攻击行为。

4.动态适应网络不断运行这一特征，并可以识别新形式的攻击和入侵。

5.对攻击和潜在的攻击行为进行攻击源追溯，完成攻击特征提取。

6.辅助IDS，提高入侵检测准确率，降低误报率，提高IDS的自适应能力。

7.基于免疫优化原理，预测网络安全态势。

8.具备自主学习进化能力，适应网络组网与运行状态的变化。

人工免疫的基本知识：（异常检测）

1.抗原抗体基因：源IP地址，目的IP地址，端口号，协议标识。

2.抗原：对网络上传输的IP包进行特征提取后得到的长度为L的二进制字符串。

3.抗体：抗体基因（含于抗原抗体基因）、抗体年龄、抗体寿命，抗体数目。

4.r连续位匹配：若x与y至少有连续r位相同，则匹配成功。

5.抗体耐受过程：在耐受期，与自我体匹配的抗体死亡，不匹配的则可以转变成为成熟的抗体，加入抗体集合中。

6.记忆抗体：若在存活时间内累积的匹配数超过了激活阈值，成熟抗体将被激活，转变成记忆抗体，否则死亡。

记忆抗体的生命周期更长，在遇到相同或相似的非自体会迅速被激活，并进行克隆扩增。只要记忆抗体与抗原匹配就会