计算机免疫分层模型

1、人体免疫的层次机构人体免疫的层次机构v皮肤等物理屏障v生理屏障（温度、PH值）v固有免疫(innate immune)v适应性免疫(adaptive immune)固有免疫固有免疫(innate immune) 固有免疫(又称非特异性免疫)是机体的一种天然防御功能，皮肤、粘膜及其分泌物都能阻挡或排除微生物于机体之外，如果病原微生物进入机体，则易被体内的溶菌酶溶解、吞噬细胞吞噬清除或被自然杀伤细胞杀伤。另外，血脑屏障阻止病原微生物及其有害物质从血液进入脑组织或脑脊液，保护中枢神经系统。胎盘屏障阻挡母体血液循环中的病原微生物进入胎儿内，保护胎儿。固有免疫的特点固有免疫的特点 固有免疫的主要特点是固

2、有免疫细胞识别多种非己异物共同表达的分子，而不是抗原表位，因此，对多种病原微生物或其产物均可应答，并迅速产生免疫效应。固有免疫系统识别抗原不具特异性，激活后不经克隆扩增即迅速发挥效应，一般不产生记忆性，也不形成免疫耐受。适应性免疫适应性免疫(adaptive immune) 适应性免疫(又名获得性免疫)是指抗原物质进入机体后激活免疫细胞活化、增殖、分化并表现出生物学效应的全过程。适应性免疫的主体是T、B淋巴细胞，适应性免疫分为3个阶段：(1)感应阶段：免疫细胞对抗原的特异性识别，包括抗原的摄取、处理、表达、递呈、识别，分别由抗原递呈细胞、T细胞、B细胞等完成。(2)增殖和分化阶段：通过免疫细胞

3、间的相互作用及细胞因子的作用使免疫细胞活化、增殖、分化。(3)效应阶段：产生抗体和效应性T细胞与相应抗原特异性结合并发挥免疫效应。适应性免疫的主要特征适应性免疫的主要特征v抗原特异性：免疫系统能够区分抗原间的微小差异。v多样性：适应性免疫系统能够产生数十亿不同的识别分子，每一个识别分子都能唯一地识别一种外来抗原的结构。v克隆选择：只有那些受体对给定抗原特别匹配的淋巴细胞才能被克隆，并且参与免疫应答。v免疫记忆：初次免疫应答之后，部分B细胞被当作记忆细胞而保存了下来。当同样的抗原再次出现的时候，这些抗原就会很快的被检测出来，激发二次响应。固有免疫与适应性免疫的关系固有免疫与适应性免疫的关系v（1

4、）固有免疫启动适应性免疫应答v（2）固有免疫应答影响适应性免疫应答的类型v（3）固有免疫应答协助适应性免疫应答发挥免疫效应面向故障诊断的多层免疫模型面向故障诊断的多层免疫模型-引自田玉玲老师博士论文 生物免疫系统的防御机理与故障诊断系统的检测原理相类似：免疫系统保护生物机体免受病原体侵袭，故障诊断系统检测异常避免故障发生；免疫系统能够检测“自己”细胞与“非己”细胞，并有效识别抗原类型，而故障诊断系统能够检测设备正常状态与异常状态，并区分故障类别和故障部位。为此，受生物免疫系统启发将人工免疫系统应用于故障诊断中。三层免疫诊断模型结构三层免疫诊断模型结构 借鉴生物免疫系统的分层防御机理以及层次间的

5、相互激活作用，本文采用分层检测与诊断的思想，提出了用于故障诊断的多层免疫诊断模型MIFD。免疫诊断模型采用三层结构，如下图所示：多层免疫诊断模型（MIFD）The model of multi-layer immune for faults diagnosis固有诊断层固有诊断层 主要实现对故障在发生概率上相互独立的已知故障类型的快速及时的故障检测与诊断。固有诊断层的设计以固有免疫机理、二次应答特点以及否定选择算法为理论基础，首先监测系统的运行状态并识别异常，当异常出现时，用已知的诊断知识进行快速及时的故障诊断。故障传播诊断层故障传播诊断层 解决故障单元的影响通过整个系统进行传播的问题。故障传

6、播诊断层将设备系统的故障传播的因果关系与免疫系统中抗体之间的相互作用相对应，采用B细胞免疫网络结构建立故障传播模型，将免疫网络的动态特性应用于故障诊断中，实现准确的故障定位。适应性诊断层适应性诊断层 以自适应的方式解决第一层、第二层未能识别的新故障类型以及早期故障的识别与诊断。利用适应性免疫系统的免疫学习及免疫记忆特性，以体液免疫机理、克隆因子和免疫因子为基础，设计适应性诊断层，实现未知故障类型以及早期故障的检测与自学习。层次间交互层次间交互 固有诊断层将实时监测的特征向量与已知正常状态特征向量用模式匹配方法进行自体/非自体模式识别，当监测到非自体状态时，通过故障知识库中已知的故障类型对其进行

7、识别。若诊断成功，则系统输出故障类型并告警；否则固有诊断层将未能识别的异常数据提呈给故障传播诊断层，首先由故障传播诊断层接受异常数据，同时固有诊断层向其发出激活信号，利用这些信号交互，激活故障传播诊断模块进行第二层的免疫应答。层次间交互续层次间交互续 在故障传播诊断层中，根据故障传播模型选择与该测点有影响关系的节点进行测试，确定故障源点。若第二层仍未能识别该故障，则将未能识别的异常数据提呈给适应性诊断层，激活自适应学习模块用B-PCLONE算法对异常数据进行耐受训练，产生能识别异常数据的新检测器，并将其保存到记忆细胞库，同时将新检测器反馈回固有诊断层的故障知识库中保存，当类似故障再次出现时可在

8、固有诊断层快速响应。层次间的信号交互如下图所示：层次间交互图The interaction between layers一种基于人工免疫的多层垃圾邮一种基于人工免疫的多层垃圾邮件过滤算法件过滤算法 垃圾邮件问题已经引起人们的高度重视，目前已有不少垃圾邮件过滤技术的研究工作，根据邮件系统的角色结构，垃圾邮件过滤可以分为两类：一类是基于服务端的过滤，一类是基于客户端的过滤。本文所提出的基于人工免疫的多层垃圾邮件过滤算法是基于客户端的垃圾邮件过滤。 本文借鉴生物免疫的多层保护机制，将人工免疫模型和多种现有垃圾邮件过滤技术有机地结合起来，提出了一种基于人工免疫的多层垃圾邮件过滤算法（MSFA-AI:

9、a Multilevel Span Filtering Algorithm based on Artificial Immunity)。算法框架如下图所示：算法框架 算法流程主要分为五个阶段：Email预处理阶段、检测器的产生阶段、检测器的应用阶段、检测器的进化阶段和检测结果通知。以下将具体说明算法的主要流程。Email预处理预处理 Email预处理就是将邮件转化为系统易于处理的模式的过程，文中将每封Email预处理为三部分，表示如下：(Sender Address) () (Attachment MD5)其中，第一部分为发信人地址；第二部分由三个无序的可变长的子矢量组成，分别是发送者、主题和

10、内容子矢量。第三部分计算附件的数字签名，本文采用的是MD5算法。检测器的组成与表示检测器的组成与表示受生物免疫系统工作机制的启发，本算法中的免疫检测器分为四层：（1）Ps是第一层检测器，对应于物理（Physical）屏障，采用黑名单/白名单技术，由两部分组成：其中， Flag用来标志检测器是黑名单还是白名单检测器， Address是相应黑名单/白名单列表中的项。（2）Pb是第二层检测器，对应于生理（ Physiological ）屏障，采用针对附件的数字签名技术，表示为： ，其中Signature为数字签名列表中的项。检测器的组成与表示检测器的组成与表示（3）li是第三层检测器，对应于先天免疫

11、（ Innate Immune ）层，采用关键词匹配技术，由主题和内容两个子矢量组成，表示为： 。其中每个子矢量都是一个无序的、可变长的数组，数组中的元素来自相应的关键词数据库。（4）B是第四层检测器，对应于获得性免疫层中的B细胞，采用基于内容的垃圾邮件过滤技术，由发送者、主题和内容三个子矢量组成，表示为： 与li检测器类似，每个子矢量都是一个无序的、可变长的数组，但数组中的元素来自相应的表示词数据库。检测器的应用检测器的应用 首先由PS检测器进行检测，如果检测器被激活，则根据Flag标志决定其后的处理方法；如没有被激活，则进一步判断待检测邮件是否存在附件，若存在则交由Pb检测器检测，反之则交

12、由记忆检测器检测。若上述检测器都未被激活，则待检测邮件交由li检测器和B检测器检测。系统检测流程如下图所示：系统检测流程li检测器和检测器和B检测器的进化检测器的进化 生物免疫系统中大约有108种不同类型的抗体，相对于大约1016种不同的外部抗原，抗体的种类远远不足，生物体通过抗体的动态更新机制和自适应学习机制来解决该问题。抗体的动态性主要是由B细胞通过体细胞高频变异和受体编辑机制来实现的。 在本文的多层垃圾邮件过滤算法中，检测器的进化主要是指li检测器和B检测器的进化，其进化通过体细胞高频变异和受体编辑机制来实现，如下图所示：检测器进化流程 在检测流程中当记忆检测器未被激活时，邮件交由li和B检测器进行检测，具体进化步骤为：（1）依次计算邮件与检测器之间的亲和度。（2）选