基于Poisson过程和Rough包含的计算免疫模型

将随机过程引入计算机免疫的研究中 ,提出了一种新的计算免疫模型 ;分析了访问端口的参数 ,引入Pois son随机过程 ,从而将串比较转化为数值计算以解决比较的效率问题 .经过随机过程的计算 ,可以较为精确地确定当前的异常访问模式可能属于哪种类型的入侵模式 ,从而为下一步入侵模式的匹配大大缩小了搜索范围 .

一种仿生物免疫的计算机安全系统模型

根据仿生学原理,模拟生物系统的免疫机理,设计了计算机系统安全模型GECISM(GEneral Computer Im-mune System Model).该模型由不同的代理构成,各代理模拟不同的免疫细胞的功能,通过相互协作,区分系统中的“自我”、“非我”,并消除“非我”。

计算机免疫方法研究

生物免疫系统保护了生物体不受外来有害细胞（包括病毒、细菌等等）的侵袭， 它在生物体内的作用与计算机领域的安全系统有着惊人的相似。文章借鉴了该原理，实现 了 一个计算机免疫系统，使之保护计算机中的数据信息，能够及时检测到对受保护数据的 非法 更改以及病毒的感染，在连续变化的开放环境中保证计算机系统安全可靠地运行。

GECISM:仿生的计算机免疫系统模型

根据仿生学原理,模拟生物系统的免疫机理,设计了计算机系统安全模型GECISM(GEneral Computer Immune System Model )。GECISM的NFA(Non-deterministic Finite Automaton )模型精确定义了GECISM的属性和特征,为GECISM的性能分析、系统测试提供了理论 基础。

计算机免疫识别规则的演化挖掘

识别器的构造是计算机免疫学的一个重要研究方向。提出一种构造识别器的演化算法，其核心思想是采用数据挖掘的方法从Ｓｅｌｆ集和ｎｏｎｓｅｌｆ集中挖掘识别规则，这些识别规则能够反映出Ｓｅｌｆ和ｎｏｎｏｓｅｌ的一些内在特征，因此有很好的识别能力。

计算机免疫技术在入侵检测中的应用

根据人体免疫原理,应用计算机免疫技术,采用否定选择、克隆选择等免疫算法,构建具备自主学习能力的检测模型,以提高入侵检测系统防范未知攻击和变形攻击的能力。

免疫机器人的仿生计算与控制

传统的移动机器人研究一般假设环境是安全的,为了增强机器人在危险、变化的环境中适应无人作业的能力,提高机器人对外界干扰、攻击和破坏的抵抗力、容错力和免疫力,提出了危险环境的自体/异体建模方法和免疫机器人的仿生计算模型与控制方法.模仿生物免疫系统,构建机器人的免疫计算模型和免疫控制结构,实现类似于生物免疫系统的自体/异体检测、辨别、学习和修复及鲁棒性、免疫性等功能.免疫机器人技术用来检测、识别和预报危险、变化的环境,检测并修复机器人的正常状态,实现恶劣环境中机器人仿生控制,具有重要的理论创新意义、明显的技术创新价值和可观的应用前景.

一种基于分布式入侵检测的计算机免疫模型

根据生物免疫原理和模拟生物的免疫机理,设计了基于分布式入侵检测的计算机免疫模型DIDCIM(Distributed-based Intrusion Detection Computer Immunity Model)。该模型由两大部分构成,各部分模拟免疫系统中的不同功能是:①检测代理,模拟分布在身体各处的免疫细胞,用来区分系统中的"自我"、"非我",并消除"非我";②控制中心,模拟身体的免疫器官,主要用来产生规则集和规则更新信息,并对各个检测代理起到总体控制、信息传输和规则更新的作用。

基于multi-agent的仿生物免疫:计算机抗病毒研究新思路

从控制论的角度论述了计算机免疫和生物免疫的相似性 ;讨论了在计算机防病毒领域中应用 m ulti- agent控制技术构筑计算机仿生物免疫系统的可行性和实用性 ;描述了系统实例及其优缺点 ;指出此项新技术的应用前景 。

免疫计算的主要模型

基于生物免疫学原理的免疫计算技术正处于起步阶段,但表现出巨大的潜力。本文在简要分析生物免疫原理的基础上,综述了免疫计算的主要理论模型:免疫网络、反向选择和aiNET,并分析了现阶段的主要研究方向,最后对免疫计算和人工免疫系统的研究前景进行了展望。

计算机免疫系统中沙盒主机的负载平衡

讨论了保证仿生计算机免疫系统GECISM(GeneralComputerImmuneSystemModel)中沙盒主机可靠性和高效性的配置策略.改进了现有的自适应动态负载平衡算法,提出能够根据系统负载情况动态修改阈值并通过进程迁移使重负载逐步扩散的动态反馈自适应启动算法,该算法有效地解决了沙盒主机负载突变的问题.

基于“邻接点”技术提高计算机免疫系统GECISM可靠性的方法

计算机免疫系统GECISM(GEneralComputerImmuneSystemModel)是由多代理协作完成安全防御功能的,其可靠性是该系统正常发挥功能的基础。针对计算机免疫系统中的某个安全部件失效或被感染,提出了“邻接点”技术以解决该问题,通过各邻接点恢复失效代理并防止感染扩散。

基于并行计算及人工免疫的入侵检测模型

免疫技术是目前入侵检测发展的一个趋势。通过分析了生物免疫系统的机制和原理,介绍了基于免疫原理的入侵检测系统,针对算法及模型存在的不足,提出了基于并行计算的r连续位匹配规则,并根据新的算法提出了一个包含基于遗传算法的模式识别器的入侵检测模型,实验表明运用上面提出的算法及模型提高了系统的模式识别的效率和智能性．

基于免疫进化计算的分布式入侵检测方法

提出一种网格计算环境下基于免疫进化计算的分布式入侵检测方法,应用免疫进化计算、定义生成检测器方法和基因库进化学习方法提高分布式入侵检测的主动性和自适应性。利用网格安全环境实现系统的负载均衡,提高系统的并行处理能力。仿真实验结果证明了该方法的有效性,与基于人工免疫的入侵检测方法相比,误检率降低了0.37%,在确保检测率的同时提高了并行处理能力,降低了处理时延。

计算机免疫系统GECISM的动态和超动态配置

为降低计算机仿生免疫系统GECISM(GEneralComputerImmuneSystemModel)的系统开销,分析了静态配置的不足,在保证其综合防御能力的前提下提出动态和超动态的配置策略,以适应不同性能要求、安全等级的分布计算环境。

基于免疫计算的抗蠕虫病毒Web系统

为了高精度地检测、识别和消除Web系统中的蠕虫病毒,为了实现Web系统的故障自修复,提出了Web系统的正常模型和免疫计算方法。Web系统的正常模型是由各个组件的时空属性表示的,存储在自体数据库中,系统中所有组件的时空属性唯一确定了该软件系统的正常状态。免疫计算方法包括自体/异体的检测算法、已知蠕虫病毒的识别算法、未知蠕虫病毒的识别算法、蠕虫病毒的消除算法和受损系统的修复算法。通过数学逻辑论证,正常模型能在理论上实现对自体和软件故障的100%检测率。“人工智能”网络课程Web原型上的抗蠕虫病毒实验表明,正常模型和免疫计算对实现Web系统的抗蠕虫病毒功能是有效的和必要的,能提高蠕虫病毒检测的精度和系统修复的效率。

基于r-连续位匹配规则的免疫计算中孔洞的研究

自体/非自体识别是免疫计算的基础,也是构建人工免疫系统的核心问题之一。针对免疫算法的编码方式,孔洞定义及其成因进行了阐述;在此基础上量化分析了基于r-连续位匹配规则的孔洞规模,给出了此类孔洞数目的计算算法;最后比较现有方案,提出更为优化的解决方案。

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。

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。

基于免疫计算的机构轨迹综合

机构轨迹综合问题本质上可以归结成为一个模式匹配问题 据此给出了机构轨迹综合的模式匹配模型 ,深入讨论了其实现步骤中涉及到的若干关键技术 ,如机构轨迹的数字化描述、轨迹曲线的聚类与分类、轨迹模式匹配等 综合运用AINE无监督学习模型、AIRS有监督学习模型和文中给出的阴性选择算法改进模型 ,提出了基于免疫计算的机构轨迹综合方法 最后 。