基于危险模式免疫算法模型

本文阐述了危险模式的基本概况及运行机理,提出了一种新型的基于危险模式的免疫算法模型,并探讨了基于危险理论免疫算法的应用领域.     

基于危险模式免疫算法的入侵检测系统模型

阐述了危险模式的概况及运行机理,建立了一种新型的基于危险模式免疫算法的入侵检测系统模型,系统突出地显出其处理的高效性以及自适应进化更新能力,该方法的提出给安全领域提供了一种新的研究思路。     

基于危险理论的免疫优化算法及其在概率优化问题中的应用

探讨求解噪声分布特性未知情形下单目标非线性概率优化模型的免疫优化算法。算法设计中,基于危险理论的应答模式,依据给定的危险半径,将进化种群划分为不同类型子群;各子群中的个体动态获取样本大小,并依据不同的变异方式展开局部和全局搜索。比较性的数值实验显示,此算法在寻优效率、搜索效果等方面均有一定的优势,对复杂概率优化模型有较好应用潜力。     

危险理论在电子邮件分类中的应用

提出了一种基于危险理论的电子邮件分类模型.该模型在对邮件进行分类之前,利用云模型对危险进行绑定,再由危险信号激活免疫响应.对比试验证明,与贝叶斯分类相比,模型中的算法具有更高的正确率.     

基于免疫危险理论的智能检测器及相关算法

针对传统检测器检测率较低、误报率较高、自体库过于庞大的问题,设计了基于免疫危险理论的KRID(Katherine智能检测器),包括实时检测模块、记忆模块和自适应模块.提出了MSMA(二进制分段近似匹配方法)及KRNA检测算法,KRNA检测算法根据不同类型的危险信号使用不同的分段近似匹配方法进行分层检测.实验结果表明:KRNA检测算法具有较高的检测率、较低的误报率和冗余度;为进一步提高KRID的自适应能力,给出了DSAA(动态自适应算法),该算法获取各类异常信号的出现次数,将其与该类异常信号的危险频率求和取平均值后得到新的危险频率,根据新的危险频率调整检测细胞数量.实验结果表明:DSAA提升了检测器的自适应能力,减少了响应时间.     

基于混合遗传算法的敏捷卫星任务规划求解

针对新一代对地观测敏捷卫星任务规划问题,首先研究了敏捷卫星的特点,分析了敏捷卫星工作模式及对地观测过程,在此基础上构建了基于多目标的任务规划模型。针对敏捷卫星任务规划问题具有多约束、多冲突、非线性NP-hard特点,本文提出了基于混合遗传求解算法,该算法将免疫遗传算法与蚁群算法相结合,以蚁群算法所产生的解作为免疫遗传算法的初始种群,同时以蚁群算法中的全局最优解作为疫苗。通过实验表明本文提出的算法比遗传算法和免疫遗传算法精度更高,收敛速度更快。     

基于免疫算法的垃圾邮件过滤技术的研究

针对垃圾邮件的过滤,提出了一种基于免疫算法的垃圾邮件过滤方法,并给出相应的实现算法。免疫算法具有很强的学习、识别、容错性、记忆和特征提取的能力,基于免疫算法的垃圾邮件过滤在动态性和自适应性等方面具有明显的优势,因此免疫算法较传统算法更加适用于针对于垃圾邮件的过滤。本文通过仿真实验验证了基于免疫算法的垃圾邮件过滤方法对垃圾邮件过滤的能力,实验结果表明,与传统算法贝叶斯算法的相比,基于免疫算法的垃圾邮件过滤更具有效性。     

免疫进化机制及其在时序模式挖掘中的应用研究

针对目前动态数据挖掘中存在的问题,提出基于数据增量的动态挖掘进程概念;在动态挖掘进程和生物免疫进化过程的相似性基础上,提出了知识发现中的免疫进化机制的基本内涵;给出了基于免疫进化机制的时序模式挖掘算法及其实验分析,以验证理论的正确性和有效性。     

基于免疫克隆选择算法的特征选择

提出了一种基于免疫克隆选择算法的特征选择方法．特征选择可以被看成是一个组合优化问题,利用免疫克隆选择算法快速收敛于全局最优的特性,加快搜索到最优特征子集的速度,为后续模式分类提供良好的判别依据．实验结果表明算法在保持甚至提高分类精度的同时,有效地降低了特征维数．与基于遗传算法特征选择的结果相比较,在有限代数内,该算法能收敛到更优的特征子集,从而验证了算法的有效性及其应用潜力．     

复杂网络中基于反应式的危险抑制方法

复杂网络中的危险传播行为依赖于网络拓扑结构和节点的动态特性.网络拓扑结构与危险传播的动力学机制是分离的,因此需要结合节点的动态信息来分析网络中的危险传播机理.本文针对该问题提出一种复杂网络中基于反应式的危险抑制方法,该方法主要针对节点当前的感染模式,采取相应的免疫策略进行防护.通过仿真实验表明,本文提出的免疫策略可以更加有效地抑制复杂网络中的危险传播.     

基于生物免疫特性的主机免疫模型

针对传统计算机安全防护理论的不足,提出了一种采用生物免疫思想解决主机安全问题的方法.该方法确定了主机免疫系统的目标,即实现自适应分布式主机安全防护,设计了主机免疫系统的结构框架,对各组成部分进行定义和描述,同时给出了生物免疫系统与主机免疫模型组件映射关系表,在此基础上提出了系统的数学模型并讨论了模型的重要特征,重点对分布式特性、协同刺激和多样性进行了分析.讨论与仿真结果表明,该设计基本达到主机免疫系统模型的5项设计目标.     

基于Varela免疫模型的免疫控制器的设计与仿真

Varela免疫网络模型是继Jerne独特性网络模型之后的第二代网络模型,Varela免疫网络模型描述的是没有外来抗原作用时的T、B细胞因子的动态平衡关系.本文在此基础上建立了一种考虑抗原的改进的Varela免疫网络模型.然后基于这种能够在一定程度上合理描述生物免疫特性的改进Varela免疫网络模型,构造了一类与被控对象无关的免疫控制器模型.以大惯性大滞后模型为被控对象,采用仿真的方法研究了该免疫控制器的特性.仿真研究与分析表明:该免疫控制器具有一定的记忆和自学习能力,具有较好的抗纯滞后及参数自适应性能.文中将这种免疫控制器的参数变化对控制系统的影响也作了仿真研究.     

基于多Agent系统的计算机病毒免疫检测模型

目的 研究在局域网内检测、防范病毒的智能型病毒检测模型。方法 应用多Agent技术与生物免疫系统原理相结合的方法设计计算机病毒检测模型。结果 模型继承了生物免疫系统原理，并结合了多Agent系统的推理性和协作性等特点，具有较强的快速反应能力及自我演化功能等特点。结论 生物免疫原理与多Agent技术相结合可快速有效地检测局域网内的病毒，并能提高计算机对病毒的免疫能力。     

一种改进的计算机免疫模型

通过对生物免疫系统和计算机免疫系统的比较,提出了一种改进的计算机免疫模型.该模型针对计算机免疫系统中自体动态变化比生物体更为频繁的特点,提出了成熟免疫细胞的否定选择机制,并给出了成熟细胞的否定选择算法;同时模型还针对计算机免疫系统中非自体的多样性和广泛性,提出了对记忆细胞的动态降职机制,并给出了记忆细胞动态降职算法.将该模型运用于网络入侵检测应用的实验表明,模型具有更强的动态特征和鲁棒性.     

移动机器人的并行免疫计算模型

为了支持未知环境下移动机器人自主导航，提出了移动机器人的并行免疫计算模型，为解决其在线导航优化、病毒／路障识别和计算效率问题提供了基础组织。免疫计算模型分为固有免疫计算层、适应性免疫计算层和并行／分布式计算层，并行免疫计算模型建立在此3个免疫计算模型基础上。探讨了移动机器人并行免疫计算模型的负载极限和负载平衡，分析了此类移动机器人系统的鲁棒性；提出了移动机器人并行免疫计算模型用于路障识别的方法。移动机器人并行免疫计算模型的复杂性分析及仿真结果表明，并行计算能提高其效率；仿真结果表明，移动机器人可消除病毒，并具有较高计算性能。     

自我·非自我数学模型的鉴别

从系统工程的角度出发，运用动力学及概率论等手段，构造免疫纲的基 本模型，通过此模型去考察免疫系统的基本结构及特性，寻找其内在规律，得 出免疫信息处理的基本方式．通过计算机模拟实验，找到了自我·非自我形成 的规律，发现了自我一自我认识过程中的信息流动原理，从而解决了免疫系 统的最重要问题──自我·非自我认识问题．     

基于危险理论的入侵检测系统模型

入侵检测是网络安全技术研究中热点问题之一．现有入侵检测系统模型大多报警量巨大,另外不能对系统当前所面临的攻击进行实时定量危险评估,为解决这两个问题,提出了一种基于危险理论的入侵检测系统模型DTIDS．对网络活动中自体、非自体、免疫细胞、记忆检测器、成熟检测器和未成熟检测器进行了形式化描述,建立了主机实时危险定量计算方程...     

分布式人工免疫系统的鲁棒性归约模型

利用分布式多真体(Agent)系统的鲁棒性归约模型,将分布式人工免疫系统看作理想的分布式多真体系统,从而把分布式人工免疫系统的鲁棒性分析问题归约为其各个相对独立的模块的鲁棒性分析问题。人工免疫系统包括正常模型建模模块、自体/异体检测模块、已知异体识别模块、未知异体学习模块、异体消除模块和受损系统修复模块。用问题归约法分析人工免疫系统的鲁棒性后,建立人工免疫系统的鲁棒性归约模型,用各个模块的鲁棒性判据和模块之间免疫控制过程的鲁棒性判据表示分布式人工免疫系统的鲁棒性判据。经定理证明,鲁棒性归约模型能分解和简化分布式人工免疫系统的鲁棒性分析问题,通过各个模块的鲁棒性分析问题求解实现该问题的最终求解。因此,分布式人工免疫系统的鲁棒性归约模型是有用的鲁棒性分析工具,为复杂人工免疫系统的鲁棒性分析提供了有效的方法。