基于动态人工免疫的邮件分类算法研究

使用虚拟基因库技术,对用于邮件分类的人工免疫系统(AISEC)进行改进,提出了动态人工免疫分类算法(DAICA)模型,改进了AISEC的抗体更新过程。当分类正确时,充分利用参与正确分类的抗体,快速改善抗体质量;当分类错误时,不再是简单地将参与错误分类的抗体直接移去,而是对这些移去的抗体进行体细胞高频变异,以保持先前遇到的抗原信息。还研究了新算法DAICA中使用的参数α与β对算法性能的影响。实验表明,这种改进可以提高分类准确率。

基于免疫学的网络入侵检测系统和相关算法设计

本文提出了一种新的基于检测代理的分布式网络免疫入侵检测模型,该模型采用了机体免疫系统中的三个主要的进化过程:否定选择,克隆选择和基因库进化。模型不仅在Agent服务器中生成并维持了一个实际的基因库,而且引入了虚拟基因库的概念,对被删除的记忆检测子进行超变异,生成新的非成熟检测子,该做法使得新的检测子能够从已有的检测结果中得到有用的反馈,从而在减少协同刺激的同时提高了检测正确率。文章还就该模型提出了相关算法并进行了描述。