Press "Enter" to skip to content

人工免疫系统的研究进展与展望

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

摘要:人工免疫是受生物免疫系统的启发而发展起来的,并逐步成为人工智能研究的热点。首先介绍人工免疫系统的生物原型,并对免疫系统群体计算中的免疫学习、免疫记忆、免疫遗传等算法进行描述;对近几年典型的人工免疫算法与系统进行了深入探讨,通过人工免疫算法在不同领域的应用,展示人工免疫系统在解决复杂问题时具有自组织、自适应、鲁棒性的特点。最后提出免疫算法在未来一段时间内的发展趋势与应用领域,尤其是在免疫协同防御、人工免疫系统与模糊系统集成、量子技术与免疫算法的融合以及人工免疫在无人驾驶技术中的应用,是未来人工免疫系统的发展趋势和研究方向。

 

内容目录:

 

0 引 言

 

1 参与免疫的细胞

 

1.1 免疫细胞

 

1.2 T细胞与B细胞

 

1.3 树突状细胞

 

2 人工免疫算法

 

2.1 免疫学习

 

2.2 免疫记忆

 

2.3 克隆选择

 

2.4 免疫遗传

 

3 人工免疫系统的应用

 

3.1 信息安全

 

3.2 调度机制

 

3.3 其它

 

4 人工免疫系统未来研究

 

4.1 免疫协同入侵防御

 

4.2 人工免疫系统处理用于动态、多目标事务

 

4.3 人工免疫在无人驾驶技术中的应用

 

4.4 人工免疫在5G领域的实际应用

 

5 结 语

 

00  引言

 

随着生物系统研究的不断进展,人们从生物系统中获取了很多灵感并且进行基于仿生学的人工智能研究。20世纪70年代,Jerne首先提出了人工免疫系统的网络假说,并以此开创了独特型网络理论。独特型网络理论为人工免疫系统以后的应用和研究提供了理论指导,并发展成为人工免疫的基础理论之一。Perelson在独特型网络理论的基础上进一步给出了免疫网络的数学框架,从而加快了人工免疫系统在计算机科学方面的发展。此后Forrest又提出了阴性选择算法,他的工作对于人工免疫系统的发展尤其是在信息安全领域应用的发展具有十分重要意义。20世纪80年代,Farmer等人率先基于免疫网络学说给出了免疫系统的动态模型,并探讨了免疫系统与其它人工智能方法的联系,1997年和1998年IEEE国际会议组织了相关专题讨论了人工免疫系统及其应用。目前,人工免疫系统(Artificial Immune System,AIS)已经发展成为计算智能研究的一个崭新而且尤为重要的分支并且在多个计算机领域有了广泛的应用,并为解决工程实际问题提供了一种强大的信息处理和问题求解范式。

 

通过介绍人工免疫系统,对近几年典型的人工免疫算法与系统进行了深入探讨,通过人工免疫算法在不同领域的应用,展示人工免疫系统在解决复杂问题时的特点。最后提出免疫算法在未来一段时间内的发展趋势与应用领域。

 

01  参与免疫的细胞

 

免疫系统是维持人体自身健康状态所必不可少的关键系统。通过依靠其所具有的免疫防御、免疫监视和免疫自身稳定三大功能。通过发现、消灭外来病原体、防止感染,以及监控体内异常病变细胞,对维持机体内环境的稳态发挥着重要作用。而机体对病原侵害做出的应答反应叫做免疫(Immunity)。

 

1.1 免疫细胞

 

免疫系统的主要功能是识别生物体内的细胞,并在识别之后将所有细胞分成“自己”与“非己”两大类的细胞类型,并引发适当的防御机制去除“非己”细胞。“自己”就是生物体自身的组织;“非己”是非生物体自身的组织或者某一物质。免疫应答则是指机体的免疫系统识别“自己”与“非己”,并对自身成分产生天然免疫耐受,对抗原异物产生排除作用的生理过程。生物免疫系统是由免疫分子、免疫细胞、免疫组织和免疫器官组成的复杂系统。免疫细胞广义上包括造血干细胞、淋巴细胞、单核吞噬细胞等。免疫分子包括免疫细胞膜分子、免疫球蛋白分子等。

 

1.2 T细胞与B细胞

 

T细胞的主要功能是调节细胞的活动或者直接对抗原进行攻击。B细胞主要是依靠产生抗体进而对入侵抗原进行攻击。成熟的 B 细胞产生于骨髓中,成熟的T细胞产生于胸腺之中。T细胞与B细胞成熟之后进行克隆增值、分化并表达其具有的功能。大多数抗原物质在刺激B细胞形成抗体过程中,需T细胞的协助;在某些情况下,T细胞亦有抑制B细胞的作用。同样,在某些情况下,B细胞也可控制或增强T细胞的功能。两种淋巴细胞共同作用并相互影响和控制对方功能,形成了机体内部高度规律的反馈型免疫网络。

 

1.3 树突状细胞

 

树突状细胞广泛分布于全身组织和脏器, 数量较少。树突状细胞主要参与免疫应答的诱导和启动。根据树突状细胞的成熟状态,将其分为未成熟树突状细胞和成熟树突状细胞。未成熟的树突状细胞在外周组织器官接触和摄取抗原或受到某种刺激后逐渐成熟,同时通过输入淋巴管或血液循环迁移到外围免疫器官发育成为成熟树突状细胞。

 

02  人工免疫算法

 

人工免疫系统是通过研究生物免疫系统, 运用仿生技术建立的体系。从信息处理的角度来看,生物免疫系统具备强大的自学习、免疫记忆、个体多样性以及鲁棒性等特性,国内外专家学者根据免疫的特性建立了基于免疫的数学模型, 用于信息处理和复杂问题求解。人工免疫系统仿生机理和算法的主要内容如图 1 所示。

 

 

图1 人工免疫算法的研究

 

2.1 免疫学习

 

免疫学习机理是对进入机体的细菌病毒进行不断识别的过程。最常见的免疫学习,是在对新的信息进行模式识别时,机体出现初次应答阶段,在这个阶段中,免疫系统要产生相应的抗体,而这一种抗体是第一次出现在体内, 故而免疫学习过程较慢,时间较长。在非第一次遇见相同的信息进行识别过程中,机体会出现再次应答阶段,该过程称为二次应答。免疫学习阶段中,由于免疫记忆机制的作用,免疫系统对已经出现过的抗原应答速度大大提高,并且产生高亲和度的抗体处理相对应的抗原。再次应答阶段属于增强式学习过程。

 

免疫学习是发生在免疫识别过程中的过程之一。免疫学习的基本方式具有以下四种:

 

(1)增强式学习。当抗体对抗原进行第一次识别之后,机体对抗原的识别程度尚未达到100% 的识别,而在之后的识别过程中会加强对这一新抗原的专一性识别,在形成专一性识别的过程中,每一次对抗原的识别都是增强式学习。

 

(2)遗传式学习。免疫过程中,同一种抗原的抗体在识别过程中不断进化,并且遗传上一代抗体的进化结果,使每一代的抗体对同一个抗原的亲和度逐渐成熟。比如,人工进化(Evolutionary Algorithm,EA)属于遗传式学习。

 

(3)联想式学习。在交叉反应过程中,对于不同的病毒但因为具有相同抗原的因素,将会产生同一种抗体对不同的病毒均产生免疫,这种产生抗体的过程称为联想式学习。

 

(4)重复式学习。当免疫系统获取的抗原少而次数多时,就会进行重复的训练学习。

 

2.2 免疫记忆

 

免疫记忆机制目前在智能优化和增强学习方面得到了一定程度的应用,对各种智能优化和增强学习的算法都有提升计算效率的作用。2017 年,黄光球 [10] 提出一种基于人类记忆机制构造了人工记忆优化机制,在文中提出根据记忆细胞的三种不同记忆状态,瞬时记忆状态、短期记忆状态和长期记忆状态,每种状态都可以被接受的刺激增强或减弱力量。以下是三种记忆状态的基本概念:

 

(1)瞬时记忆状态是物质刺激或原始信息通过一个或多个感觉器官进入瞬时记忆存储的直接图像,其存储容量是感觉器官的生理极限,也可以定义为信息保持时间受到衰减的限制。

 

(2)短期记忆状态由大脑中的当前信息组成,通常被称为工作记忆,其信息来自瞬时记忆和长期记忆的识别和提取。

 

(3)长期记忆状态的形成是进入短期记忆的信息经过进一步处理后,可以得到更好的保存,然后转入长期记忆。

 

2.3 克隆选择

 

人工免疫系统的克隆选择是具有高鲁棒性和广泛适用性的全局优化方法,同时也是具有自组织、自适应、自学习的特性,能够不受问题性质的限制,有效地处理传统优化算法难以解决的复杂问题。在进化算法中更能体现克隆选择的优点与特性。当前的进化算法包括进化规划、遗传变异、遗传算法和进化策略等。

 

近些年来,根据克隆选择原理,人们提出了很多的克隆选择算法,并得到了很好的应用。莫宏伟等人通过利用免疫算法全局并行的特性,将免疫算法用于解决 TSP问题中的退化现象。焦李成等提出了一种基于合作模型的协同免疫多目标优化算法,并在算法中在抗体繁殖上结合了克隆选择,用于解决多目标优化问题。李涛等人提出一种基于免疫原理重构TSP问题的模型,该方法通过使用克隆选择解决组合优化问题。重力搜索克隆选择算法(Gravity Search Clonal Selection Algorithm,GSCSA)是Gao等人提出的,将克隆选择算法(Clonal Selection Algorithm,CSA)和重力搜索算法(Gravity Search Algorithm,GSA)结合起来,而Qu和Mo则用它们的生物地理优化克隆选择算法(Biogeographical Optimization Clonal Selection Algorithm,BOCSA)处理数值优化问题,将克隆选择算法与基于生物地理学的优化(Biogeography Optimization,BO)结合起来。一些克隆选择算法将其他技术结合起来解决约束优化问题。Chen提出了一种称为免疫激发进化策略(Immune Inspired Evolutionary Strategy,IIES)的方法。克隆选择算法近年来也被用于求解组合优化问题,包括旅行商问题(TSPs)、车辆路径问题(VRPs)和调度问题。Hsu等人针对车辆路径问题,提出了ASIG-VRPCT 。Pan等人提出了一种新方法HIA以解决TSP问题。

 

2.4 免疫遗传

 

免疫遗传算法是将免疫算法和遗传算法进行结合,在免疫算法中加入遗传算子,在没有附加复杂的操作和降低遗传算法鲁棒性的情况下,算法兼顾了搜索速度、全局搜索能力和局部搜索能力。免疫遗传算法具有下述功能:克服通常遗传算法收敛方向无法控制的缺陷,把目标函数和制约条件作为抗原,这就能在保证所生成的抗体直接与问题相关联的情况下,收敛方向能得以控制。并对抗原亲合力高的抗体进行记忆,能提高二次快速求解,即当遇到同类抗原时可以快速生成与之对应的抗体。

 

免疫遗传算法在处理实际问题的时候,面对不同的问题,由于自身具有的进化算子,故而无论所要解决的问题是离散的还是连续的都会有很好的解决方式。免疫遗传算法因其自身的特点广泛应用于自动控制、故障诊断、模式识别、图像识别和机器学习、网络安全等各个领域。

 

03  人工免疫系统的应用

 

人工免疫系统在工程中的实际应用,最主要的是利用了模式识别的特性。比如,抗原与抗体之间的识别,免疫系统对“自己”与“非己”之间的识别等。近几年来,研究者通过对免疫系统中存在的模式识别的不断研究,并且结合现实中出现的问题加以实现,已经有了不少的成果。

 

Yasmine Serdouk等人提出了一种基于人工免疫识别系统(Artificial Immune Recognition System,AIRS)的离线签名验证的新方法用于手写签名认证,通过实验证明,基于人工免疫识别系统的离线签名验证方法优于现存在的技术。Mikherskii 等人通过对人工免疫系统在视觉模式识别中的适用性讨论,提出了一种新的人工免疫系统的算法和软件实现方法,在此基础上利用网络摄像机进行实时模式识别。在保障信息安全、工程调度等方面都用到了模式识别机制。

 

3.1 信息安全

 

目前人工免疫算法在网络安全领域的研究已经有所成就,尤其是在网络的入侵检测技术上,已经有了较为全面的研究。2007年,蒋亚平整理出人工免疫算法与入侵检测的相似性,进而使入侵检测与人工免疫算法有了更加清晰的比对,如图2所示。随后,有更多的研究者在人工免疫系统与信息安全领域有所研究。

 

 

图2 生物免疫与入侵检测的算法相似性

 

欧仲明受人工免疫系统危险理论的启发, 提出一种自适应的基于agent的入侵检测系统, 通过模拟免疫系统中的树突状细胞(Dendritic Cell,DC)如何检测和分类危险信号来设计基于适应剂的入侵检测系统的学习机制。Praneet Saurabh等人在2016年提出基于异常检测和预防系统的高效主动人工免疫系统,用于寻求识别和预防新的异常。随着拒绝服务攻击持续增长构成的威胁,Jorge Maestre Vidal提出了使用人工免疫系统减轻拒绝服务攻击的方法,该方法基于适合于受监视环境要求的分布式传感器网络构建。张瑞瑞提出了一种基于免疫反应中抗体浓度变化的入侵检测方法,引入血缘关系和血族来对抗体和抗原进行分类,并模拟抗体和抗原之间的相关性。该方法建立了入侵检测中抗原和抗体的动态进化模型,并通过实验证明了该方法比传统方法具有更好的检测性能和适应性。

 

3.2 调度机制

 

基于免疫优化机理的调度通常将抗原和抗体隐喻为调度问题及其可行解,抗体与抗原间的亲和力定义为候选解的评价值,抗体间的亲和力为候选解的相似度。抗体通常用一个“串”来表达,其编码方式采用二进制、整数或实数编码。利用抗体群体的进化来产生与抗原匹配最佳的抗体,即最优调度解。随着人工免疫机理的提出,相继出现了基于免疫网络、基于克隆选择原理和基于疫苗接种的调度算法。同时也出现了混合免疫调度算法,即基于免疫优化原理的算法和其它算法的结合,并相继被使用在一些工程领域内。免疫调度的一般框架如图3所示。

 

 

图3 免疫调度算法流程

 

近些年来,人工免疫系统在调度问题上的应用已经有了很多的研究。2019年,谢颖定义了多核处理器的任务调度问题,提出了一种基于人工免疫理论的多目标约束任务调度算法。Guan-Chun Luh 等人提出了一种新颖的方法——多模态免疫算法,用于寻找模拟生物免疫系统特征的作业车间调度问题的最佳解决方案。Fatima Benbouzid-Si Tayeb 等人通过遗传算法与免疫算法的混合,解决了置换流水车间调度问题,以克服遗传算法在进化过程中的早期收敛问题。Muhamad Firdaus Mohd Nazri提出应用人工免疫系统来执行并行处理调度任务,并得出结论采用 AIS 算法求解多处理器任务调度问题可以缩短系统的完工时间,提高系统的吞吐量。楼高翔基于混合车间调度问题的多目标优化问题,最大流量和最小时间的强耦合以及免疫遗传算法的缺陷,包括高计算复杂度和高空间维度。建立了以最大总完成时间为目标的混合车间调度数学模型,并提出了使用免疫克隆选择算法解决该问题的方法,最后得出结论,算法可以找到多目标问题的全局最优解, 具有很强的现实意义。Fadel Abdallah 等人提出一种基于遗传算法的调度方法,用以解决通信约束的 CPU/FPGA 异构体系结构调度问题。

 

3.3 其它

 

人工免疫系统其它方面的应用还有模式识别,异常诊断,生产系统和工程应用等。限于篇幅不再详细讨论。

 

04  人工免疫系统未来研究

 

4.1 免疫协同入侵防御

 

生物免疫系统在保护机体的正常运行过程中,不是单一物质进行工作,而是多个免疫物质协同工作,共同作用于外来物质,进而保证机体的正常运行。

 

现有的网络安全系统常见的包括防火墙、网络入侵检测系统(Intrusion Detection System,IDS) 和入侵防御系统(Intrusion Prevention System,IPS)、蜜网等。这些安全技术都是基于不同的安全焦点,相对独立。然而,在安全攻击多样性、复杂性的网络时代,单靠某种安全技术完全不能维护网络的正常运行。此外,面对大量的网络入侵,被动防御和静态响应同样是不能起到有效防御目的,这就要求安全防御系统必须具有及时的、主动的响应能力,在实际应用中,还存在着分布性、鲁棒性和适应性差等问题。

 

通过综合使用防火墙、IDS、IPS和蜜网以及智能网关等设备,形成整体合力,使网络具有主动防御的能力,已经成为网络安全研究的热点之一。人工免疫系统通过对生物免疫系统的仿生之后,具有良好的分布性、多样性、自动应答和自我维护以及异常检测等特性,可以促进大规模自治域域内和域间之间安全部件的协作。

 

4.2 人工免疫系统处理用于动态、多目标事务

 

计算机技术的发展已经从对静态事务的处理转向对动态事务的处理。生物免疫系统在实际运行中也是对动态的机体进行防护,故而人工免疫系统也可用于处理动态的计算机事务当中。此外,生物免疫系统在实际运行中也不是单一的针对某一操作或者某一病毒进行防御的,而是通过生物免疫系统的各个工作机构进行同时工作。

 

4.3 人工免疫在无人驾驶技术中的应用

 

近些年,无人驾驶技术已经有了初步的发展和应用。无人驾驶技术的关键,最主要的是传感器、定位、识别和避障等技术的实现。人工免疫系统经过近几年的发展,已经在模式识别、免疫调度等技术领域有了发展和应用。然而,人工免疫系统在无人驾驶技术中尚没有更好的应用。

 

在人工免疫系统中,可以将无人驾驶车辆看作人工免疫系统中的独立抗体,不同的抗体之间具有一定的相互作用。在未来的研究中,可以将人工免疫系统技术用于解决部分无人驾驶技术领域的应用问题,例如,通过免疫的模式识别技术实现对无人驾驶技术中的汽车和障碍物的识别和避障问题,运用免疫的克隆选择算法解决行驶轨迹问题等。

 

4.4 人工免疫在5G领域的实际应用

 

随着5G系统功能需求的不断扩展,未来5G 系统应具备点对点、应用对点、群组和广播消息通信。5G服务系统在面对大规模终端互联场景时,需要支持大规模的信息接入和管理,为调度各种无线接入网络提供高效可靠的信号控制。人工免疫算法具有独特的学习性、记忆性和多样性,抗体记忆功能和克隆选择机制能有效提高信息传递效率。可以通过在模拟免疫应答机制的基础上,开发出适用于 5G 服务系统的免疫网络体系结构。

 

05  结语

 

AIS的研究起步没有多少年,但随着它的进一步深入研究以及与其它方法的融合,AIS必将为智能优化、智能控制、模式识别、计算机安全等领域的研究提供新的强有力的工具。

 

引用本文:蒋亚平,张安康,黎星.人工免疫系统的研究进展与展望[J].信息安全与通信保密,2021(2):83-92.

 

作者简介

 

蒋亚平(1970—),男,博士,副教授,主要研究方向为网络安全、智能计算;

 

张安康(1993—),男,硕士在读,主要研究方向为网络安全;

 

黎星(1995—),男,硕士在读,主要研究方向为网络安全、智能计算。

 

选自《信息安全与通信保密》2021年第2期(为便于排版,已省去原文参考文献)

 

声明:本文来自信息安全与通信保密杂志社,版权归作者所有。文章内容仅代表作者独立观点,不代表安全内参立场,转载目的在于传递更多信息。如有侵权,请留言。

Be First to Comment

发表评论

邮箱地址不会被公开。 必填项已用*标注