计算机免疫学

　　本书系统地论述计算机免疫学的概念、原理及应用技术。首先就生物免疫学及计算机免疫学的研究历程进行简要回顾，讨论生物免疫学的机理，重点阐述计算机免疫学中的形态空间理论、克隆选择原理、免疫算法、免疫模型，以及计算机免疫系统的设计方法等，同时就免疫与神经网络及进化计算之间的关系进行专题讨论，最后，就其应用领域进行综述阐述。序生物信息系统的计算能力受到国内外专家学者的普遍关注。近年来，以神经计算、进化计算、DNA计算及免疫计算等仿生计算为代表的计算智能技术得到了空前的发展，掀起了仿生计算的新高潮。特别值得一提的是免疫计算。科学家已证实，人体的免疫系统是一个与人脑一样复杂的巨系统，拥有112个免疫细胞？遍布全身各个角落。当外部病原体或细菌侵入机体时，免疫细胞能够识别"自体"和"非自体"，迅速清除和消灭异物，确保机体的安全性。生物免疫系统的这种能力，具有多样性、耐受性、大规模并行分布处理、自组织、自学习、自适应、免疫记忆和鲁棒性等特点，近年来受到国内外众多学者的高度重视。22年6月：IEEETrans.onEvolution-aryComputation出专刊报道了人工免疫的研究进展，22年：23年国际上举办有关人工免疫的专题会议近2次。计算机的安全性问题与生物免疫系统具有共同性，近年来提出了计算机免疫这一新概念。在计算机病毒防治、黑客人侵检测等领域，基于免疫的网络安全技术克服了传统网络安全技术的弱点，极具挑战性和发展性，具有广阔的应用前景。"计算机免疫学"这一概念目前在国内外还是一个新生事物，缺少系统的阐述。《计算机免疫学》是李涛教授及其所领导的计算机网络与安全研究所多年来潜心免疫计算、网络安全方面的研究成果；对生物免疫的机理，计算机免疫学的基本概念、原理及应用技术进行了深入浅出、全面系统的论述，同时还特别在基于免疫的网络安全技术方面进行了较为深入的讨论，澄清了概念，是国内第一本有关计算机免疫的专著。本书的出版对有志于计算机免疫系统研究的科技工作者和研究生大有裨益。作为一门新兴学科的著作，本书的工作具有开拓性。希望本书的出版对国内计算机免疫的研究起到较好的促进作用。愿读者与作者共同努力，将我国的计算机免疫研究推向前进。前言自古以来，人们就对生物界有着浓厚的兴趣，并不断地从生物系统的结构、功能及其调节机制中获得灵感。生物成为许多发明家创新的灵感源泉，他们从生物现象中得到启示，创立了许多不同的方法，制造出了从机翼到防弹衣等许多应用产品。在信息处理领域，由于人们面对的问题越来越复杂，传统方法解决信息处理的能力越来越有限，促使人们开始寻求新的方法和手段。从2世纪中叶开始，人们就已经开始注意到生物系统尤其是人类自身功能及结构的模仿，由此产生了许多新的研究领域。例如，人工神经网络是对人脑结构的模拟，模糊控制与人类模糊思维有着相似之处，而进化算法则对生物的生存演化进行了描述。生物信息处理系统可以分为脑神经系统、遗传系统和免疫系统。免疫系统与神经系统相似，可以学习并记忆新的知识，同时免疫系统的学习过程还借鉴了遗传系统的进化机理。近年来，生物免疫系统成为一个新兴的生物信息研究课题。计算机的安全问题与生物免疫系统所遇到的问题具有惊人的相似性，两者都要在不断变化的环境中维持系统的稳定性。人体免疫系统具有天生发现并消灭外来病原体的能力，生物免疫系统所具有的这些特性正是计算机科学工作者所梦寐以求的。计算机免疫学基于生物免疫系统的基本原理，是一种新兴的智能信息处理方法，在计算机网络安全、模式识别等领域中具有广阔的应用前景。22年1月，国际权威杂志Nature出专题报道了免疫计算及计算机免疫的相关研究。22年6月，IEEETransactiononEvolutionaryComputation出专刊报道了有关人工免疫的研究进展，22年～23年，国际上举办有关人工免疫的学术会议近2次。与此同时，在美国、英国等西方国家以及日本掀起了一股研究开发计算机免疫系统的热潮，进一步吸引了众多领域的专家学者从各个不同学科和角度开展研究，并在许多工程领域中取得了巨大的成绩。然而，这还只是个起点，特别是在国内，基本上才刚刚开始起步。目前国内还没有关于计算机免疫学全面系统的论述，关于计算机免疫系统的研究论文也很少，也没有一部专门阐述计算机免疫学系统的著作。在这种背景下，为了促进国内计算机免疫学的研究，重视计算机免疫系统在理论上的指导作用和工程应用上的实际效用，笔者结合自己多年来在免疫计算、神经计算、网络安全及智能信息系统上所做的研究和体会，特编撰拙著，以期抛砖引玉。全书共7章。第1章介绍计算机免疫学的发展概况；第2章讨论生物免疫系统机理，从生物免疫学的角度阐述免疫系统的功能、机制及特点等；第3章从计算机免疫学的角度出发，论述形态空间理论及免疫细胞模型，阐述计算机免疫系统的设计步骤及方法等；第4章对计算机免疫学中的几种重要的免疫算法进行详细的论述，并就免疫计算与进化计算之间的关系进行讨论；第5章介绍计算机免疫学中几种典型的免疫模型；第6章简要介绍人工神经网络的基本原理，并就免疫系统与神经网络进行比较，同时阐述基于免疫的神经网络；第7章集中介绍免疫系统在工程上的应用，阐述其主要应用领域，并结合笔者的工作提出一些新的观点。笔者要非常感谢杨频副教授（博士）、赵奎博士、丁菊玲硕士、黄旭波硕士、许国光硕士、梁可心硕士、陈桓硕士、宋程硕士、仰石硕土、王益丰硕士及刘勇硕士等人的努力，他们为此书收集了大量的文献、资料，并进行了细致的整理工作，为本书奠定了一个坚实的基础。笔者还要特别感谢研究生刘莎、郭京、杨进、漆莲芝、周念念、王丽辉、杜雨、卢正添、王志明等，他们对本书进行了烦琐的校对工作，为本书的最后出炉做出了贡献。计算机免疫学的研究在国际上的兴起也是最近几年的事情，由于书稿涉及许多新的内容和研究前沿，尽管笔者已经尽了最大的努力，但仍感问题难免，望各位同仁不吝赐教斧正，使其不断完善。

　　李涛，1965年2月生，1995年3月毕业于电子科技大学，获电子科技大学博士学位。现为四川大学计算机网络与安全研究所所长，四川省学术和技术带头人，成都市有突出贡献的优秀专家，四川省党政网络信息安全领导小组专家成员，国家自然科学基金项目评议专家，多种国际国内权威学术刊物评审人，曾应美国著名大学Univ.of California at Berkeley计算机系邀请，以客座研究员身份进行科研合作。长期主持国家自然科学基金、863、教育部、安全部、总参机要局及四川省科技厅等国家计划项目的研究，在IEEE、ACM等国内外权威刊物发表论文120多篇，30多篇论文被SCI、EI收录，出版《计算机免疫学》、《网络安全概论》等专著4本，获准和申请国家发明专利9项。

第1章  概论
  1.1  生物免疫学探索
  1.2  计算机免疫学研究概况
  1.3  计算机免疫学的多学科性
第2章  生物免疫系统机理
  2.1  人体免疫系统
  2.1.1  人体免疫的层次结构
  2.1.2  免疫细胞
  2.1.3  抗体分子
  2.1.4  补体系统
  2.1.5  MHC分子
  2.2  免疫机制
  2.2.1  概述.
  2.2.2  自体耐受
  2.2.3  免疫应答
  2.2.4  免疫反馈机制
  2.3  免疫系统的学习进化
  2.3.1  免疫记，亿的产生
  2.3.2  免疫细胞的生命周期
  2.3.3  遗传变异
  2.3.4  抗体指令系统
  2.4  免疫系统基本特征
  2.4.1  耐受性
  2.4.2  学习与认知
  2.4.3  分布性
  2.4.4  鲁棒性和适应性
  2.4.5  多样性
  2.4.6  免疫反馈
  2.4.7  自组织性
第3章  计算机免疫学基本原理
  3.1  形态空间模型
  3.1.1  形态空间
  3.1.2  自体/非自体
  3.1.3  抗体/抗原
  3.2  免疫细胞模型
  3.2.1  基本原理—
  3.2.2  骨髓模型
  3.2.3  否定选择
  3.2.4  克隆选择
  3.2.5  变异
  3.2.6  免疫记忆
  3.3  计算机免疫系统设计
  3.3.1  基本思想
  3.3.2  设计步骤
  3.3.3  实例
第4章  免疫算法
  4.1  免疫算法基本架构
  4.2  基于群体的免疫算法
  4.2.1  否定选择算法
  4.2.2  肯定选择算法
  4.2.3  克隆选择算法
  4.3  基于网络的免疫算法
  4.3.1  免疫网络算法基本架构
  4.3.2  RAIN免疫网络算法
  4.4  免疫算法与进化计算
  4.4.1  常用进化计算方法
  4.4.2  免疫与进化相结合的算法
第5章  免疫模型
  5.1  概述
  5.2  免疫系统模型
  5.2.1  1MMSIM模型
  5.2.2  ARTIS分布式检测模型
  5.2.3  Multi-Layered免疫模型
  5.2.4  基于Multi-Agent的免疫模型
  5.3  免疫网络模型
  5.3.1  基于独特性网络理论的模型
  5.3.2  RLAIS网络模型
  5.3.3  aiNet网络模型
  5.3.4  动态免疫网络模型
  5.3.5  多值免疫网络模型
第6章  人工神经网络
  6.1  概述
  6.1.1  发展历史
  6.1.2  应用领域
  6.1.3  生物学启示
  6.1.4  人工神经元模型
  6.1.5  神经网络的拓扑结构
  6.1.6  人工神经网络的学习
  6.2  常见的人工神经网络模型
  6.2.1  感知机
  6.2.2  BP网络
  6.2.3  Hopfield网络
  6.2.4  随机神经网络
  6.2.5  基于Hebb学习的神经网络
  6.2.6  竞争型神经网络
  6.3  人工神经网络与人工免疫系统
  6.3.1  生物学原理
  6.3.2  人工原理异同
  6.3.3  人工免疫对人工神经网络的促进作用
  6.4  基于免疫的神经网络
  6.4.1  Unorthodox神经网络
  6.4.2  PDP网络
  6.4.3  基于免疫的模拟退火算法
  6.4.4  RBF神经网络
  6.4.5  抗体网络
  6.4.6  基于免疫的BP网络设计
  6.4.7  ANNI网络模型
第7章  应用专题
  7.1  网络安全
  7.1.1  概述
  7.1.2  病毒检测
  7.1.3  人侵检测
  7.1.4  风险检测
  7.1.5  计算机取证
  7.1.6  一个基于Multi-Agent的计算机免疫系统
  7.2  模式识别
  7.2.1  数字识另U
  7.2.2  光谱识别
  7.2.3  其他模式识别系统
  7.3  组合优化
  7.3.1  组合优化问题简介
  7.3.2  TSP问题
  7.3.3  交通安全规划
  7.4  机器学习
  7.4.1  概述
  7.4.2  初始化
  7.4.3  ARB的产生
  7.4.4  资源的竞争
  7.4.5  记忆细胞的加入
  7.4.6  实验结果
  7.5  控制
  7.5.1  机器人行为控制
  7.5.2  免疫反馈控制
  7.6  其他应用
  7.6.1  调度
  7.6.2  异常诊断
  7.6.3  联想记忆
  7.6.4  数据挖掘与分析
  7.6.5  生产系统
  7.6.6  智能建筑
  7.6.7  自适应干扰中和器
  7.6.8  感应问题处理
  7.6.9  开放型Web服务器协调
  7.6.10  免疫系统中的映像模式
  7.6.11  蛋白质结构预测
附录A  中英文词汇对照
附录B  互联网资源
参考文献