一、生物免疫系统对信息安全的启示（论文文献综述）
陈衍安[1]（2020）在《基于人工免疫的“互联网+”新创企业成长风险识别模型研究》文中指出“双创”背景下,新创企业是推动我国经济和社会创新发展的重要力量。“互联网+”新业态的形成与发展为新创企业创造了更加广阔的平台和发展模式,却同时也带来了更加复杂多样的成长风险。创业者如何有效识别新创企业的成长风险、提升自身风险识别能力,是关系新创企业创业成功与否的关键问题。新创企业成长风险的识别过程,即是在复杂多变的内外部环境中准确识别出对企业成长造成损害的风险因素,并提出相应的防控方案,这本质上与生物免疫系统的运行机理高度一致。因此,本文从成长风险识别需求出发,在对生物免疫原理进行一定理解与研究的基础上构建了基于人工免疫系统的“互联网+”新创企业成长风险识别模型（Immune System based Start-up Growth Risk Identification Model,以下简称为ISSGRIM）以及相关免疫算法。首先,本文根据文献梳理,对基于人工免疫系统的“互联网+”新创企业成长风险识别模型研究的相关理论进行分析,主要包括“互联网+”新创企业理论、企业成长风险识别理论以及人工免疫系统理论,为本文研究思路提供理论支撑。其次,对“互联网+”新创企业成长风险特性进行深入分析,具体包括“互联网+”新创企业成长风险的内涵与特征、形成与演化机理两个层面,进一步探讨生物免疫机理在成长风险识别问题求解上的适用性。随后,基于特征分析中对“互联网+”新创企业成长风险的分类界定成长风险源,并通过梳理总结国内外相关研究对研发风险源、产品风险源、管理风险源以及社会网络风险源下的影响因素进行分析,通过实证研究进行验证与筛选,以此为基础构建识别指标体系。再者,运用特征工程思想对指标体系进行转换,使其从定性指标体系转化为可以供识别模型直接使用的特征体系结构。最后,基于上述研究建立基于人工免疫系统的“互联网+”新创企业成长风险识别模型,融合生物免疫机制设计识别算法,通过仿真实验验证模型的动态性与适用性。并根据研究结论给出基于企业人员、企业组织、企业社会网络以及企业风险识别四个层面的成长策略。本文旨在通过对基于人工免疫系统的“互联网+”新创企业成长风险识别模型的研究,发掘“互联网+”新创企业成长风险识别的新思路、新方法,满足新创企业成长过程中在深层次决策支持、信息挖掘与发现上的迫切需求,从而促进“互联网+”新创企业更加稳定健康地成长。
刘奕[2]（2020）在《5G网络技术对提升4G网络性能的研究》文中研究指明随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
曲朝阳,董运昌,刘帅,沈志欣,于建友,李育发[3]（2020）在《基于生物免疫学方法的泛在电力物联网安全技术》文中进行了进一步梳理由于泛在电力物联网融入了社会的不可预知因素,导致互联环境复杂多样,终端设备接入类型与数量激增,时刻面临网络攻击和非安全数据入侵等安全隐患。因此,已有的安全检测与防护技术不再完全适用于如今的泛在电力物联网,文中从生物免疫学新视角探讨了泛在电力物联网安全技术。首先,类比病原体入侵生物体时免疫系统的免疫过程,阐述了生物免疫学与泛在电力物联安全防护的关联;其次,分析了感知层、网络层、平台层和应用层面临的安全挑战,并基于免疫学归纳了抗原识别、免疫响应和免疫记忆3方面的关键技术;最后,构想了泛在电力物联网全方位智能联动的安全免疫体系,并对研究方向进行了展望。
张薇[4]（2019）在《基于免疫理论的农产品物流外包风险预警模型研究》文中认为我国是以农业为经济导向的国家,随着物流业的兴起与我国经济的快速发展,中小型农产品企业纷纷选择物流外包以降低企业成本,农产品物流外包现象在我国已成为常态。然而,随着我国农业新常态的出现,农产品物流与电子商务、保险金融、信息技术等相互交织,农产品物流市场的复杂多变,导致农产品物流外包存在的诸多风险和困境。只有将农产品物流外包作为一个整体,采用系统的科学方法对农产品物流外包风险进行识别,评价,监测和警示。找到制约其发展的主要风险因素,并针对这些风险因素提出解决策略,才能实现农产品物流外包的可持续发展,从而为我国农业发展提供帮助。本文通过归纳总结农产品物流外包风险相关文章,基于层次分析法与专家打分法构建农产品物流外包风险预警指标体系,并结合生物免疫原理与预警理论,构建了农产品物流外包风险预警模型。利用MATLAB仿真技术进一步测试农产品物流外包的主要风险因素,并提出相应的风险对策。主要内容包括。（1）收集农产品物流外包风险相关文献,进行分析归类,总结具有代表性的风险指标,构建风险预警指标体系。通过专家打分法确定风险指标权重,计算综合预警警限,构建预警区间,为构建预警模型提供数据支持。（2）将人工免疫理论引入预警领域,将改进的否定选择算法与预警理论相结合,建立了基于改进否定选择算法的农产品物流外包预警模型。通过调试实验参数,测试模型的准确性。利用MATLAB软件模拟数据,测试每一个因素对风险等级的影响情况,得到影响于农产品物流外包风险等级的主要风险因素。（3）针对仿真测试得出的三大风险等级主要影响因素,信息风险,流通风险以及合作风险,提出三点切实可行的风险防范策略包括建立信息共享机制,改善物流服务,增强与物流服务商的联系等,通过降低农产品物流外包风险等级来达到防范农产品物流外包风险的目的。
周天祥[5]（2019）在《基于特异性免疫机制的地震预测模型》文中进行了进一步梳理地震是一种破坏性极大的自然灾害,每年给全世界造成重大的经济损失和人员伤亡,因此对地震进行预测具有十分重要的意义。但是由于地球的不可入性、大地震的不频发性、地震成因的复杂性等导致地震预测异常困难。地震预测的三要素是时间、震中心位置和震级大小,其中常固定三要素中的时间和地点,对某个震级范围内的地震是否发生进行预测,可将其抽象为一个分类问题。其主要研究方向分为基于前兆数据的地震预测和基于历史数据的地震预测。由于历史数据完整性好、可靠性高,本文将选用基于历史地震数据的地震预测作为研究方向。尽管目前地震预测取得了一定成果,但仍存在以下问题。由于地震的成因复杂,不同时间不同地点发生的地震,其主要影响因素可能存在差异,故描述不同地震的特征指标也不尽相同。但大多数方法对所有地震数据均采用相同的特征指标表述导致特征指标代表性不强,预测效果较差。同时由于地震数据尤其是大地震数据较少,需要大量异常数据进行训练的监督式机器学习方法容易陷入局部最优,出现过拟合问题。针对以上两个问题,本文从生物免疫系统的高自适应性和高特异性中受到启发,借鉴其中的特异性、记忆性和克隆选择机制建立地震预测模型。借鉴特异性机制和记忆性机制,为每一类地震数据选择最佳特征子集和预测子模型组合处理,同时记录已处理过的地震数据与最佳预测子模型组合间的对应关系。当有相同类型的地震数据输入时采用相同的预测子模型组合处理,以解决特征指标代表性不强的问题。借鉴克隆选择机制,采用克隆选择算法对每一类地震数据的预测子模型组合进行调优,在全局寻找最佳预测子模型组合,避免陷入局部最优。基于以上生物免疫学的启发,本文提出基于特异性免疫机制的地震预测模型。模型主要分为三部分:预处理阶段、初次免疫应答阶段和二次免疫应答阶段。预处理阶段首先采用八个经典特征指标计算地震特征指标数据,之后对特征集进行分割,经过数据映射建立特征子集数据矩阵。初次免疫应答阶段先建立免疫细胞池,然后激活免疫细胞,通过克隆选择优化免疫细胞组合,并形成免疫记忆。二次免疫应答阶段首先匹配记忆B细胞,然后激活记忆B细胞对抗原进行处理。最后本文使用四川省的历史地震数据作为样本,对未来一个月内是否发生4.5级及以上的地震进行预测,使用检测概率、误报率、准确率、R得分、ROC曲线和ROC曲线下面积作为评价指标对预测效果进行评估,并将实验结果与地震预测的主流方法神经网络进行对比。实验结果表明,本文算法在准确率和R得分上均优于神经网络方法。
李艺[6]（2017）在《工业控制网络安全防御体系及关键技术研究》文中研究指明随着以“震网”病毒爆发以及乌克兰电网遭黑客攻击事件为代表的,针对工业控制网络的有组织、有目的的攻击事件的频繁出现,工业控制网络正面临着日趋严重的安全威胁。由于工业控制网络的专业性较强,并且其对运行可靠性方面的要求较高,这些都使得工业控制网络的安全保护有其特殊性,因而简单地将传统的信息安全保护理论与方法应用于工业控制网络中,将很难满足其对安全保护的需求。探索与构建一个安全可靠的工业控制网络,对于确保工业生产的安全平稳运行、保证生产过程中的生命及财产安全来说至关重要。本文将工业控制网络的安全保护现状及安全保护需求作为研究主线,在对工业控制网络以及现有信息安全保护理论进行分析与研究的基础上,提出了基于免疫理论的工业控制网络安全保护理论,研究并构建工业控制网络安全防御体系的理论模型,并且对工业控制网络安全防御体系构建过程中需要实现的关键技术进行了研发。本论文进行的研究工作及取得的成果主要体现在以下五个方面:（1）将免疫理论引入到工业控制网络的安全保护中,提出了具有免疫能力的工业控制网络安全防御体系。在对传统的网络安全保护理论进行研究的基础之上,针对工业控制网络的特点及其在安全保护方面的特殊要求,研究构建一个网络环境可信、网络状态可知、网络运行可控的工业控制网络安全防御体系。明确了工业控制网络安全防御体系应具备的三个防御属性,即网络环境的可信性、网络状态的可知性与网络运行的可控性。在此基础上,通过工业控制网络中的安全服务与安全机制进行定义,对工业控制网络安全防御体系的结构进行描述。工业控制网络安全防御体系的构建,为工业控制网络的安全保护建设工作提供了理论依据。（2）针对网络环境可信性的要求,提出了工业控制网络可信环境模型。针对工业控制网络的网络环境相对封闭、清晰和有限的特点,基于可信度量理论,从网络边界、终端设备、交互行为三个方面进行可信保证,从而构造出一个清晰可信的工业控制网络环境。针对可信性中的终端设备可信性要求,研究了基于可信度量的终端接入检测技术,对于接入网络的终端采集其特征值并对其可信性进行度量,确保接入网络的终端设备明确、可信。针对交互行为可信性要求,研究了基于双数据表的数据安全访问技术以及基于Whirlpool算法的通信数据安全保护技术。基于双数据表的数据安全访问技术对同一数据表建立读写两张表,针对用户数据访问请求的不同,为其分配不同的访问权限,并连接至相应的读表或写表进行访问,从而实现数据的读写分离与独立,确保数据访问行为的可信性。基于Whirlpool算法的通信数据安全保护技术通过为网络中传输的数据提供完整性保护以及身份验证,确保通信数据不被攻击者篡改或破坏,保证业务数据的可信性。（3）针对网络状态可知性的要求,提出了工业控制网络安全监视模型。基于态势感知理论,通过对网络运行过程进行实时监控,实现终端设备接入可知、网络交互内容可知以及异常事件可知,明确工业控制网络在当前状态下的运行情况,及时获悉网络中出现的各类安全威胁。针对可知性中的网络交互可知性要求,对协议深度解析技术进行了研究,实现对终端设备间通信内容从数据链路层到应用层的全面分析。针对异常可知性要求,研究了网络事件融合技术与安全事件关联分析技术,通过对网络中出现的各类网络事件进行融合,从中提取出可能会对网络的安全运行构成威胁的安全事件,并且分析这些安全事件之间存在的关联关系,从中发现网络中正在进行的攻击过程,为网络安全监视机制的实现提供技术方面的支撑与保障。最后,通过对网络攻击过程建模技术进行研究,对工业控制网络中出现的攻击行为进行展示,提升对于网络攻击行为的分析能力。（4）针对网络运行可控性的要求,提出了工业控制网络安全响应模型。基于自治愈理论,构建了一个闭环的网络安全响应机制框架,对于网络中出现的异常情况,及时采取相应的安全响应措施,保证网络的安全平稳运行。针对可控性中的自恢复性要求,研究了基于联动机制的网络攻击阻断技术,通过实现网络安全监测设备与网络通信设备之间的联动响应,在发现网络中出现的攻击行为时,向网络通信设备下发相应的网络访问控制规则阻断攻击行为的进行,在攻击者对网络造成进一步或实质性的损害之前对其采取相应的反制措施。（5）针对智能变电站控制网络的特点和其在网络安全保护方面的特殊要求,将工业控制网络安全防御体系的理论及关键技术的研究成果应用到智能变电站控制网络的安全保护中,设计并构建面向智能变电站控制网络的安全防御体系,为工业控制网络安全防御体系的理论及关键技术的研究提供应用实例。
王盼[7]（2017）在《基于免疫机制的Web Robot自适应分层检测模型》文中研究说明Web Robot是一类在网络上自动执行的程序,其种类和数量的增多带来了诸多危害,Web Robot检测成为一个亟待解决的问题。从访问日志中发现Web Robot会话是有效的检测手段,其中,基于规则的检测方法,针对已知的Web Robot,准确率高,但对未知和变化的Web Robot不能检测,且规则库维护困难;流量模式分析和学习分析方法,针对未知和变化的Web Robot,通过统计或学习访问特征进行检测,效果较好,但由于Web Robot本身的访问行为总在变化,而统计或学习算法是静态的,该类方法在适应性和动态性上的表现不够出色。生物免疫系统是一个多层次、自学习的防御系统,能够动态适应外界环境变化,保持机体免疫自稳。计算机免疫系统受生物免疫系统原理和特点的启发而建立,其中克隆选择等算法广泛应用于解决优化、分类等问题。本文借鉴多种免疫机制,应用克隆选择和动态克隆选择算法,提出一个分层的、自适应的WebRobot检测模型,解决自动维护已知Web Robot规则库和自适应动态检测未知Web Robot的问题。主要工作如下:首先,总结Web Robot检测和计算机免疫系统研究现状。分析各类Web Robot检测方法的优缺点,指出Web Robot检测需要解决的关键问题:准确检测已知的Web Robot和动态检测未知变化的Web Robot。分析生物免疫系统的关键机制和计算机免疫系统的特点,解释借鉴免疫机制解决Web Robot检测问题的原因。其次,提出基于免疫机制的Web Robot自适应分层检测模型。模型由基于规则的检测层和学习分析检测层组成,监督反馈机制作用于这两层。在基于规则的检测层,通过维护一个规则库检测已知的WebRobot;在学习分析层,先改进克隆选择算法,在亲和力计算中增加惩罚因子,对特征集合进行组合优化,再改进动态克隆选择算法,包括增加未成熟检测器来源,对成熟检测器执行克隆变异,对失效检测器进行受体编辑,生成具有多样性的检测器,应用其检测未知和变化的Web Robot;监督反馈机制的作用是,通过观察Web Robot被检出的次数自动更新规则库、通过分析检测器的检测变化率动态更新检测器集合。最后,本文以武汉大学本科教务管理系统为应用环境,通过实验验证模型关键部分的有效性,包括基于规则检测层的准确性、自动更新规则库的可行性、特征组合优化的必要性和检测器的性能,表明了模型在准确率和自适应方面的优势。
袁嵩[8]（2013）在《树突状细胞算法研究及在监控系统入侵检测中的应用》文中认为计算机监控系统在水电厂得到了广泛应用,为水电厂的安全经济运行提供了保障。然而目前的网络安全形势日益严峻,计算机监控系统的网络安全问题显得尤为重要。被动的安全防护技术难以满足水电厂计算机监控系统对网络安全的高端需求,入侵检测作为一种积极主动的安全防护技术倍受关注。传统的入侵检测技术普遍存在计算规模庞大、对未知入侵识别能力差等问题。生物免疫系统的分布式实时自我保护机制给入侵检测的研究提供了新的思路。借鉴生物免疫机理建立基于人工免疫的入侵检测系统已成为研究热点,但大多研究建立在自体非自体识别模式上,属于适应性免疫的范畴,需要经过大量的训练,并且存在大量的误报和漏报。危险理论的研究使得免疫学的研究焦点从适应性免疫转向了先天性免疫。树突状细胞作为先天性免疫系统中专职的抗原提呈细胞,能够融合处理多种环境信号,并将信号与抗原相关联,分析得到抗原的异常指标。树突状细胞算法是对树突状细胞机理进行抽象而衍生的数据融合算法,具有计算规模较小、识别能力较强、无需大量训练样本等优点,但也存在一定的局限性,在算法设计和应用方面都有较大的改进空间。本文首先介绍了入侵检测系统、生物免疫系统、人工免疫系统、危险理论等相关领域知识,详细介绍了树突状细胞的生物学机理、树突状细胞算法的基本原理和算法流程,分析了树突状细胞算法的特点及局限,然后对树突状细胞算法进行了多项改进措施,最后将树突状细胞算法应用于入侵检测系统中。为了提高入侵检测系统的实时性,在尽可能短的时间内对出现的异常作出反应,对传统的树突状细胞算法的离线分析过程进行了改进,设计了一种实时分析算法。当抗原被足够多的树突状细胞提呈后立即输出评估结果,从而达到实时或接近实时分析的目的。足够的评判次数减少了误判的影响,与时间序列相关的抗原信号池消除了无关数据的相互干扰。实验表明该算法在实时分析的基础上还具有可观的检测精度。为了提高树突状细胞算法对无序数据集的异常检测性能,分析了上下文环境的频繁转换是导致检测精度降低的主要原因,设计了一个“倍增-归并”的树突状细胞算法。先将数据集放大n倍,即每种抗原产生n个实例,然后对每个实例进行评估,最后综合每种抗原的n次评估得到最终结果。算法体现了细胞环境决定抗原状态的生物机制,通过倍增营造了相对稳定的环境,通过归并综合了多数正确判断减少了误判的影响。实验表明该算法对无序数据集具有可观的检测精度和稳定的检测性能。为了解决传统树突状细胞算法对环境评判的盲目性,分析了输入信号到输出信号的权值矩阵对检测结果的影响,提出了倾向因子的概念,设计了两种可调控误报率和漏报率的树突状细胞算法。一种是改进的投票制树突状细胞算法,即在树突状细胞状态转换准则中融入倾向因子以求得对环境评判的公平,并通过对倾向因子的微调控制检测结果的误报率和漏报率；另一种是评分制树突状细胞算法,即在树突状细胞状态转化阶段忽略了对细胞环境的评判,改为直接对抗原进行评分,最后根据抗原的平均分分布调整异常阈值以达到调控误报率和漏报率的目的。实验表明两种算法均有效地实现了结果可控性,相比而言评分制树突状细胞算法可实现更为直观的调控。为了弥补树突状细胞算法在紊乱环境中缺乏抗原评价依据的不足,设计了一个树突状细胞算法与肯定选择算法相结合的检测算法。将树突状细胞算法的检测结果分为确定正常、确定异常和待定抗原三个区间,借助肯定选择算法对抗原的特异性识别,对待定区间中的抗原进行二次检测。肯定选择算法的检测器直接来自于树突状细胞算法检测得到的确定抗原,从而省略了检测器的训练过程。采用可变半径既是为了让检测器覆盖尽可能大的空间,又在最大程度上削减了不纯检测器的检测能力。实验表明树突状细胞算法和肯定选择算法相结合有效减少了误报和漏报。然后将改进的树突状细胞算法应用于入侵检测中。为了满足水电厂计算机监控系统对网络安全的严格要求,设计了一个先天性免疫和适应性免疫相结合的入侵检测模型。将树突状细胞算法对KDD99数据集中的不同攻击进行了分别检测和多种攻击的综合检测,数据显示树突状细胞算法对大部分攻击具有良好的检测效果,然后与适应性免疫相结合,进一步提高了检测精度,充分说明先天性免疫和适应性免疫相结合可以构建更为健全的防御体系。另外,为了验证树突状细胞算法在其他领域的应用能力,用振动分析数据集对各种改进的树突状细胞算法进行了测试,实验数据显示树突状细胞算法适用于振动异常检测领域。最后对全文的工作进行了总结和展望,期望进一步深入探索和研究生物免疫系统所蕴含的信息处理机制,设计更加有效的免疫算法,应用于更多的工程领域。
杨超[9]（2012）在《计算机免疫危险理论的数字微分方法》文中提出计算机免疫是借鉴机体免疫系统特性解决实际问题的仿生智能计算方法,其主要目标是将生物体内的免疫防御机制引入到信息系统中来,以解决其中存在的智能问题,特别是安全问题。危险理论是在机体免疫学中提出的一种全新理论,该理论被一些学者引入到计算机免疫学中,用以克服“自我-非我”（Self-Nonself）理论中所存在的因过分依赖“自我”和“非我”的划分而带来的计算复杂度较高,检测效率不佳等问题。但由于目前危险理论的研究尚处于探索阶段,在诸如危险信号的定义和危险状态的感知等问题上缺乏有效、可行的描述方法,实际应用中较多的依赖人工经验,降低了危险理论的智能性和自适应性,也在一定程度上限制了该理论的发展和应用。针对上述问题,本文提出以变化感知危险为基本思想,数字微分为形式化手段建立一整套危险感知体系,该体系是对机体免疫系统功能的模拟,体现了免疫系统所固有的自适应性、智能性、协同性等特点。本文的主要工作如下：1.阐述了变化感知危险的思想。本文从生物免疫系统的本质功能入手,认为其主要目的是保护机体不受自身病变和外界入侵威胁,维持机体生理平衡和健康。以此为理论基础,形成了“危险源于失衡,失衡起因于变化”的思想。依据该思想,将系统中的各种变化因素定义为危险信号,将系统平衡状态的改变定义为危险。这一思想不依赖先验知识和人工经验,使得危险信号和危险的定义方式更加灵活,更具有智能性,更符合机体免疫系统的工作方式。2.建立了基于微分方法的危险感知模型。根据以上思想,借鉴数学中的微分方法,本文系统阐述了数字微分在危险信号定义、平衡关系分析和危险感知中的应用,并以微分为形式化手段建立了变化和危险的数字微分描述和感知体系。在该体系框架下描述和分析了问题空间中的各种“变化”因素及其相互之间的关系,并通过对信息系统平衡关系的刻画来判断这些“变化”是否对系统构成威胁,进而实现危险信号的定义、危险的感知和危险特征的提取。3.构建了免疫协同危险感知机制。机体免疫系统是一个具有多层次、自治性的巨型分布式系统,系统内的各种细胞既独立运转又相互协作,共同实现机体防御功能。本文所描述的危险感知体系模拟了机体免疫系统的这一结构特点,建立了包含免疫个体和免疫中心的多层架构。该架构以免疫个体为独立的免疫单元,通过免疫中心实现危险特征的共享和危险信号的相互传递,弥补了因免疫个体能力的差异而导致的防御漏洞,利用群体智能实现了危险源的精确定位和追踪,同时也有效的提高了整个网络的安全性。4.验证了危险感知方法的可行性。本文以具有典型潜伏特征的僵尸程序为例对所提出方法的可行性进行验证。实验结果表明在不同的恶意行为作用下,利用本文的方法不依赖于任何经验知识,能够自适应的提取危险信号,这些危险信号均在一定程度上体现了恶意行为的特点。由于在不同的危险行为作用下,有不同的异常变化产生,也说明了变化感知危险方法的可行性。同时验证了本文危险特征提取方法的有效性,利用该方法所提取到的危险特征能够有效的表征恶意行为,以该危险特征为基础可以实现相似恶意行为的快速检测。
张俊敏[10]（2011）在《计算机免疫中先天层与适应性层协同机制研究》文中研究说明计算机免疫系统是借鉴生物免疫系统灵感发展起来的一种具有自适应性的智能防御安全体系。生物免疫系统包含先天免疫与适应性免疫两层,目前计算机免疫系统的相关研究均围绕着这两层展开。以反向选择算法为代表的计算机适应性免疫模型借鉴了生物适应性免疫层应答特征,其核心是用自身训练生成淋巴细胞去识别异己。反向选择算法能识别未知的异己,具有良好的自适应性和多样性。但是由于自身和异己都具有海量性和不确定性,反向选择算法存在计算复杂度高、误报率高等问题。以树突状细胞算法为代表的计算机先天免疫模型借鉴生物先天免疫层应答特征,无需区分海量且存在不确定性的自身和异己,只需关注系统是否处在“危险”之中,有效避免了区分海量自身／异己的难题,但是在危险信号表达,危险状态判定等关键环节过多依赖人工经验,这使得以树突状细胞算法为基础的计算机先天免疫模型在自适应性、多样性上有所不足。计算机免疫中先天层与适应性层协同模型借鉴了生物中先天与适应性免疫协同应答机制,强调两个免疫层之间的相互作用。该类模型具有很多优势：在保留自适应、多样性的同时,降低了计算复杂度、误报率。但由于计算机免疫中先天层与适应性层协同机制的研究还处在相对不成熟阶段,有待深入研究,目前存在两个关键问题有待改进：计算机免疫层间协同机制过于单一及危险表达如何减少人工干扰。本文借鉴免疫学研究成果-危险理论开展计算机免疫层间协同机制研究。危险理论认为抗原是否导致机体处于危险之中最为重要,而抗原是异己还是自身这并不重要。危险理论下先天免疫层的抗原提呈细胞（Antigen Presenting Cell,APC）负责感知机体组织受损释放的危险信号并将其捕获的抗原提呈给适应性免疫层的淋巴细胞响应,而淋巴细胞对抗原的响应行为由APC感知到的危险信号来决定,因此危险信号是导致免疫系统激活的关键因素。本文主要内容包括以下几个部分：首先介绍了计算机免疫系统的重要性：接着阐述了论文的研究动机,包括现有先天／适应性免疫模型的局限、计算机免疫层间协同模型的优势及其需要改进的关键问题,最后给出了本文的目标及研究内容。其次介绍了生物免疫系统的有关免疫应答知识,这是全文的生物免疫理论依据,内容包括三类免疫应答类型及可供计算机免疫研究借鉴的几种生物免疫应答模式；接着介绍了计算机免疫系统研究的概况与现状。接着对危险理论下的先天与免疫性免疫层协同应答机制进行提取、简化,提出基于危险理论下先天与适应性免疫协同响应机制的计算机免疫层间协同模型。该模型包括危险感知层（由人工APC细胞群体组成,对应于先天免疫层）、免疫响应层（由人工淋巴细胞群体组成,对应于适应性免疫层）及两个层次之间的协同机制三个部分。人工APC细胞群体所组成的危险感知层负责采集入侵所致的系统异常变化信息并评估这些变化所代表的危险,并根据危险不同生成不同细胞行为指导策略去指导免疫响应层的人工淋巴细胞群体对入侵数据（非法数据,即非法抗原）实施检测；人工淋巴细胞群体组成的免疫响应层按照危险感知层生成的细胞行为指导策略对非法数据进行检测并评价检测结果后通过生成结果反馈调整方案去修正危险感知层所生成的细胞行为指导策略。两大免疫层之间存在两类协同机制,包括危险感知层主导的细胞行为指导策略和免疫响应层主导的结果反馈调整方案。然后介绍了危险信号表达在人工APC研究中的重要性,讨论了现有树突状细胞算法中信号表达方法的不足,进而介绍新的信号表达方法。该方法以系统参数的变化速率及频率为基础,将在进程级、主机级、网络级、用户级等四个监控级别上采集的系统参数异常变化信息通过差分与微分的方法表达成各类危险信号。同时按照新信号表达方法的需要去改造现有的树突状细胞算法,以树突状细胞算法为平台,通过比较树突状细胞算法将新信号表达方法引入前后的性能变化来验证该信号表达方法的有效性。最后依据理论模型构建计算机免疫层间协同模型的原型实验系统,首先介绍实验系统的体系结构与详细实现过程,接着介绍实验所要完成的目标,最后采用rpc.statd数据集对实验系统实施参数设置、有效性、自适应性验证实验,并分析了实验结果。本文得出如下结论：1)计算机免疫层间协同模型改进了人工淋巴细胞的行为策略,提高作为检测器的人工淋巴细胞群体对待检测非法数据集的识别率,并且该模型具备良好的自适应性这一计算机免疫模型应具备的显着特征；2)与现有树突状细胞算法中的危险信号表达方法相比,在将系统异常变化信息如何表达成危险信号方面,本文所提出的危险信号表达方法更为有效。
二、生物免疫系统对信息安全的启示（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、生物免疫系统对信息安全的启示（论文提纲范文）
（1）基于人工免疫的“互联网+”新创企业成长风险识别模型研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目标及意义 |
| 1.2.1 研究目标 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 “互联网+”业态下新创企业成长现状 |
| 1.3.2 “互联网+”新创企业成长风险研究现状 |
| 1.3.3 企业成长风险识别研究现状 |
| 1.3.4 研究现状述评 |
| 1.4 研究思路和方法 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 1.5 研究内容和结构 |
| 1.6 本章小结 |
| 第2章 相关理论基础 |
| 2.1 “互联网+”新创企业相关理论 |
| 2.1.1 “互联网+”内涵 |
| 2.1.2 新创企业内涵 |
| 2.2 企业成长风险识别理论 |
| 2.2.1 企业成长理论 |
| 2.2.2 企业风险管理概述 |
| 2.2.3 成长风险识别过程 |
| 2.3 人工免疫理论 |
| 2.3.1 生物免疫原理 |
| 2.3.2 人工免疫系统概述 |
| 2.3.3 人工免疫算法 |
| 2.3.4 基于人工免疫的成长风险识别 |
| 2.4 本章小结 |
| 第3章 “互联网+”新创企业成长风险特性分析 |
| 3.1 新创企业成长风险的特征 |
| 3.1.1 成长风险的内涵 |
| 3.1.2 成长风险的基本特征 |
| 3.1.3 成长风险的分类 |
| 3.2 新创企业成长风险形成与演化机理 |
| 3.2.1 成长风险的形成过程 |
| 3.2.2 成长风险的演化机理 |
| 3.3 本章小结 |
| 第4章 “互联网+”新创企业成长风险指标体系构建 |
| 4.1 新创企业成长风险源的界定 |
| 4.1.1 风险源概念的界定 |
| 4.1.2 风险源的确定 |
| 4.2 基于风险源的新创企业成长风险因素分析 |
| 4.2.1 研发风险因素 |
| 4.2.2 产品风险因素 |
| 4.2.3 管理风险因素 |
| 4.2.4 社会网络风险因素 |
| 4.3 新创企业成长风险因素的实证分析 |
| 4.3.1 调查问卷设计 |
| 4.3.2 调查问卷的统计与分析 |
| 4.3.3 数据处理与统计检验 |
| 4.3.4 主因子分析 |
| 4.4 新创企业成长风险指标体系构建 |
| 4.4.1 成长风险指标体系构建的基本原则 |
| 4.4.2 成长风险指标体系的构建 |
| 4.5 本章小结 |
| 第5章 “互联网+”新创企业成长风险源特征工程 |
| 5.1 特征工程概述 |
| 5.1.1 特征工程的基本概念 |
| 5.1.2 特征工程的原则 |
| 5.2 新创企业成长风险的特征结构 |
| 5.3 新创企业成长风险源的特征提取 |
| 5.3.1 基于研发风险源的特征提取 |
| 5.3.2 基于产品风险源的特征提取 |
| 5.3.3 基于管理风险源的特征提取 |
| 5.3.4 基于社会网络风险源的特征提取 |
| 5.4 本章小结 |
| 第6章 “互联网+”下ISSGRIM的构建与仿真研究 |
| 6.1 ISSGRIM模型构建 |
| 6.1.1 成长风险识别过程描述 |
| 6.1.2 ISSGRIM的假设及参数设定 |
| 6.1.3 ISSGRIM模型的结构框架 |
| 6.2 ISSGRIM风险识别算法的设计 |
| 6.2.1 ISSGRIM风险识别算法框架 |
| 6.2.2 ISSGRIM风险识别算法流程 |
| 6.2.3 ISSGRIM风险识别算法的免疫机制 |
| 6.3 ISSGRIM模型的仿真实验与结果分析 |
| 6.3.1 ISSGRIM模型的运行 |
| 6.3.2 ISSGRIM仿真结果分析 |
| 6.4 本章小结 |
| 第7章 “互联网+”新创企业成长风险管理策略 |
| 7.1 基于企业人员层面 |
| 7.1.1 管理人员提升 |
| 7.1.2 研发人员培养 |
| 7.2 基于企业组织层面 |
| 7.2.1 构建合理的企业管理制度 |
| 7.2.2 合理融入信息管理技术 |
| 7.3 基于企业社会网络层面 |
| 7.3.1 进行全面市场调研 |
| 7.3.2 设置理性的合作机制 |
| 7.3.3 把握“互联网+”下新兴社会网络 |
| 7.4 基于企业成长风险识别层面 |
| 7.4.1 创新企业成长风险识别流程 |
| 7.4.2 提升企业成长风险识别技术 |
| 7.4.3 构建企业成长风险识别机制 |
| 7.5 本章小结 |
| 第8章 总结与展望 |
| 8.1 研究的主要结论 |
| 8.2 研究的创新之处 |
| 8.3 研究的不足与展望 |
| 参考文献 |
| 附录:“互联网+”新创企业成长风险因素调查问卷 |
| 攻读硕士学位期间获得的科研成果 |
| 致谢 |
（2）5G网络技术对提升4G网络性能的研究（论文提纲范文）
| 引言 |
| 1 4G网络现处理办法 |
| 2 4G网络可应用的5G关键技术 |
| 2.1 Msssive MIMO技术 |
| 2.2 极简载波技术 |
| 2.3 超密集组网 |
| 2.4 MEC技术 |
| 3 总结 |
（3）基于生物免疫学方法的泛在电力物联网安全技术（论文提纲范文）
| 0 引言 |
| 1 生物免疫学与泛在电力物联安全防护的关联 |
| 1.1 生物免疫学基础理论 |
| 1.2 免疫学和泛在电力物联网安全防护的相似之处 |
| 1.3 免疫学对泛在电力物联网安全防护的启示 |
| 2 泛在电力物联网的安全挑战与免疫防护关键技术 |
| 2.1 新的安全挑战 |
| 2.1.1 感知层风险 |
| 2.1.2 网络层风险 |
| 2.1.3 平台层风险 |
| 2.1.4 应用层风险 |
| 2.2 基于免疫的安全防护关键技术 |
| 2.2.1 免疫细胞的抗原分子识别技术 |
| 2.2.2 免疫细胞的自体耐受与排异响应技术 |
| 2.2.3 免疫细胞的学习记忆与进化技术 |
| 3 泛在电力物联网安全免疫体系研究展望 |
| 3.1 全方位智能联动的安全免疫体系 |
| 3.2 研究展望 |
| 3.2.1 分布式主被动检测结合的抗原识别机制 |
| 3.2.2 轻量级云雾协同的动态自适应免疫响应机制 |
| 3.2.3 隐患预测与自主进化的免疫记忆机制 |
| 3.2.4 免疫机制间的协同联动 |
| 4 结语 |
（4）基于免疫理论的农产品物流外包风险预警模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 我国农产品物流风险现状研究综述 |
| 1.2.2 农产品物流外包风险防范研究综述 |
| 1.2.3 人工免疫的应用研究综述 |
| 1.3 研究内容及架构 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 论文架构 |
| 1.3.4 创新点 |
| 第2章 相关概念及理论基础 |
| 2.1 农产品物流相关理论 |
| 2.1.1 农产品物流概念及特点 |
| 2.1.2 农产品物流外包 |
| 2.2 风险预警相关理论 |
| 2.2.1 风险预警的概念与特征 |
| 2.2.2 风险预警与传统风险管理的比较 |
| 2.3 免疫系统原理 |
| 2.3.1 自然免疫系统原理 |
| 2.3.2 人工免疫系统原理 |
| 2.4 本章小结 |
| 第3章 农产品物流外包风险预警指标体系构建 |
| 3.1 预警指标设计原则 |
| 3.2 风险诱因分析 |
| 3.2.1 环境诱因 |
| 3.2.2 信息诱因 |
| 3.2.3 流通诱因 |
| 3.2.4 合作诱因 |
| 3.2.5 财务诱因 |
| 3.3 指标体系的构建 |
| 3.4 指标权重的确定 |
| 3.4.1 建立层次结构模型 |
| 3.4.2 构造判断矩阵 |
| 3.4.3 层次单排序及其一致性检验 |
| 3.4.4 层次总排序及其一致性检验 |
| 3.5 预警界限的确定 |
| 3.5.1 警限设定 |
| 3.5.2 综合警度计算与预警区间 |
| 3.6 本章小结 |
| 第4章 基于人工免疫的农产品物流外包风险预警模型 |
| 4.1 改进否定选择算法 |
| 4.1.1 算法功能 |
| 4.1.2 算法描述 |
| 4.2 预警模型的构建流程 |
| 4.2.1 构建思路 |
| 4.2.2 构建流程 |
| 4.3 基于改进否定选择算法预警模型的建立 |
| 4.3.1 状态空间 |
| 4.3.2 数据预处理 |
| 4.3.3 预警检测器集 |
| 4.3.4 检测与预警 |
| 4.3.5 循环形成否定数据库 |
| 4.4 仿真实验 |
| 4.4.1 模型实现 |
| 4.4.2 模型检验 |
| 4.4.3 仿真测试与结果分析 |
| 4.5 本章小结 |
| 第5章 风险防范策略 |
| 5.1 信息风险对策 |
| 5.1.1 建立信息共享机制 |
| 5.1.2 完善信息数据 |
| 5.2 流通风险对策 |
| 5.2.1 完善物流服务 |
| 5.2.2 企业物流管理 |
| 5.3 合作风险对策 |
| 5.3.1 正确选择物流服务商 |
| 5.3.2 规范外包合同的签订与执行管理 |
| 5.3.3 建立物流外包绩效评价体系 |
| 5.3.4 与合作物流服务商形成战略联盟关系 |
| 5.4 本章小结 |
| 第6章 结论 |
| 6.1 主要结论 |
| 6.2 不足与展望 |
| 6.2.1 不足 |
| 6.2.2 未来展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（5）基于特异性免疫机制的地震预测模型（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 地震预测的意义 |
| 1.1.2 地震预测存在的问题 |
| 1.1.3 免疫学的启示 |
| 1.1.4 选题来源 |
| 1.2 相关领域研究现状 |
| 1.2.1 地震预测研究现状 |
| 1.2.2 人工免疫系统研究现状 |
| 1.3 研究目标和研究内容 |
| 1.4 论文组织结构 |
| 2 地震预测概述 |
| 2.1 地震预测的主要内容 |
| 2.2 地震预测的困难 |
| 2.3 地震预测的研究方向 |
| 2.3.1 基于前兆数据的地震预测 |
| 2.3.2 基于历史数据的地震预测 |
| 2.4 地震预测的主要方法 |
| 2.4.1 基于统计概率的研究方法 |
| 2.4.2 基于人工智能的研究方法 |
| 2.5 本章小结 |
| 3 借鉴生物免疫机制解决地震预测问题 |
| 3.1 生物免疫机制对地震预测问题的启发 |
| 3.2 人工免疫系统的研究现状 |
| 3.2.1 生物免疫机制 |
| 3.2.2 人工免疫系统 |
| 3.2.3 人工免疫系统的经典算法 |
| 3.3 克隆选择算法 |
| 3.4 地震预测模型的算法思想 |
| 3.4.1 算法目的 |
| 3.4.2 免疫系统与地震预测模型的映射关系 |
| 3.4.3 地震预测模型的总体框架 |
| 3.4.4 待解决的关键问题 |
| 3.5 本章小结 |
| 4 基于特异性免疫机制的地震预测模型 |
| 4.1 数据预处理阶段 |
| 4.1.1 计算特征指标数据 |
| 4.1.2 特征集分割 |
| 4.1.3 数据映射 |
| 4.2 初次免疫应答阶段 |
| 4.2.1 建立免疫细胞池 |
| 4.2.2 激活免疫细胞 |
| 4.2.3 克隆选择 |
| 4.2.4 免疫记忆 |
| 4.3 二次免疫应答阶段 |
| 4.3.1 匹配记忆B细胞 |
| 4.3.2 激活记忆B细胞 |
| 4.4 本章小结 |
| 5 实验设计与结果分析 |
| 5.1 实验目的 |
| 5.2 实验数据 |
| 5.3 实验步骤 |
| 5.4 实验结果分析 |
| 5.4.1 算法评价指标 |
| 5.4.2 算法参数调整分析 |
| 5.4.3 算法有效性分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.1.1 论文主要工作 |
| 6.1.2 论文创新点 |
| 6.2 下一步工作 |
| 参考文献 |
| 致谢 |
（6）工业控制网络安全防御体系及关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外工业控制网络安全保护研究现状 |
| 1.2.2 国内工业控制网络安全保护研究现状 |
| 1.2.3 计算机免疫学及其在网络安全领域应用的国内外研究现状 |
| 1.3 本论文研究的主要内容及方法 |
| 1.4 论文的组织结构 |
| 第2章 计算机免疫学基础理论研究 |
| 2.1 免疫基础理论研究 |
| 2.2 计算机免疫学理论研究 |
| 2.3 免疫理论对于工业控制网络安全保护的启示 |
| 2.4 本章小结 |
| 第3章 工业控制网络安全防御体系研究 |
| 3.1 工业控制网络安全形势及安全保护需求分析 |
| 3.1.1 工业控制网络安全形势分析 |
| 3.1.2 典型工业控制网络安全事件分析 |
| 3.1.3 工业控制网络安全保护需求分析 |
| 3.2 工业控制网络安全防御体系的概念及意义 |
| 3.2.1 工业控制网络安全防御体系的提出 |
| 3.2.2 工业控制网络安全防御体系的研究意义 |
| 3.3 工业控制网络安全防御体系及模型的研究 |
| 3.3.1 工业控制网络安全防御体系的特点分析 |
| 3.3.2 工业控制网络安全防御体系模型的研究 |
| 3.3.3 工业控制网络安全防御体系框架的建立 |
| 3.4 本章小结 |
| 第4章 工业控制网络安全防御策略研究 |
| 4.1 基于可信度量理论的工业控制网络可信环境模型 |
| 4.1.1 可信度量理论研究 |
| 4.1.2 模型的形式化描述 |
| 4.2 基于态势感知理论的工业控制网络安全监视模型的研究 |
| 4.2.1 态势感知理论研究 |
| 4.2.2 模型的形式化描述 |
| 4.3 基于自治愈理论的工业控制网络安全响应模型的研究 |
| 4.3.1 自治愈理论研究 |
| 4.3.2 模型的形式化描述 |
| 4.4 本章小结 |
| 第5章 工业控制网络安全防御体系关键技术研究 |
| 5.1 基于可信度量的终端接入检测技术研究 |
| 5.1.1 可信度量组件 |
| 5.1.2 终端接入检测组件实现过程 |
| 5.2 业务数据安全访问技术研究 |
| 5.2.1 技术设计思路 |
| 5.2.2 技术实现流程 |
| 5.3 通信数据安全保护技术研究 |
| 5.3.1 Whirlpool算法概述 |
| 5.3.2 基于Whirlpool算法的通信安全模型 |
| 5.4 协议深度解析技术研究 |
| 5.4.1 技术设计思路 |
| 5.4.2 协议深度解析模型结构 |
| 5.5 网络事件聚合与关联分析技术研究 |
| 5.5.1 网络事件聚合技术研究 |
| 5.5.2 安全事件关联分析技术研究 |
| 5.6 网络攻击过程建模技术研究 |
| 5.6.1 对象Petri网简介 |
| 5.6.2 网络攻击描述模型的构建 |
| 5.7 基于联动机制的网络攻击阻断技术研究 |
| 5.7.1 联动机制及其作用 |
| 5.7.2 攻击阻断技术实现过程 |
| 5.8 本章小结 |
| 第6章 智能变电站控制网络安全防御体系的构建 |
| 6.1 智能变电站控制网络安全保护需求分析 |
| 6.1.1 安全风险分析 |
| 6.1.2 安全保护需求分析 |
| 6.2 智能变电站控制网络安全防御体系的建立 |
| 6.2.1 设计原则 |
| 6.2.2 智能变电站控制网络安全防御体系模型的建立 |
| 6.3 实例分析 |
| 6.3.1 模拟攻击过程介绍 |
| 6.3.2 智能变电站控制网络安全防御体系的验证 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）基于免疫机制的Web Robot自适应分层检测模型（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景和研究意义 |
| 1.1.1 Web Robot的作用及其危害 |
| 1.1.2 Web Robot检测存在的问题 |
| 1.1.3 免疫学的启示 |
| 1.1.4 选题来源与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 Web Robot检测研究现状 |
| 1.2.2 计算机免疫系统的研究脉络与思路 |
| 1.3 论文主要研究目标和内容 |
| 1.4 论文的组织结构 |
| 2 Web Robot及其检测技术 |
| 2.1 Web Robot概述 |
| 2.1.1 Web Robot的产生与发展 |
| 2.1.2 Web Robot分类 |
| 2.1.3 Web Robot的检测技术概览 |
| 2.2 基于访问日志的Web Robot检测技术 |
| 2.2.1 日志语义分析技术 |
| 2.2.2 流量模式分析技术 |
| 2.2.3 学习分析技术 |
| 2.3 Web日志预处理技术 |
| 2.3.1 会话划分 |
| 2.3.2 特征选择 |
| 2.3.3 会话打标 |
| 2.4 Web Robot检测的评价指标 |
| 2.5 本章小结 |
| 3 借鉴免疫机制解决Web Robot检测问题 |
| 3.1 生物免疫系统和免疫机制 |
| 3.2 计算机免疫系统概述 |
| 3.2.1 计算机免疫系统发展 |
| 3.2.2 计算机免疫系统代表模型 |
| 3.3 计算机免疫系统模型研究 |
| 3.3.1 计算机免疫系统的应用 |
| 3.3.2 计算机免疫系统的构成 |
| 3.3.3 克隆选择算法 |
| 3.3.4 动态克隆选择算法 |
| 3.4 借鉴免疫机制解决Web Robot检测的关键问题 |
| 3.5 本章小结 |
| 4 基于免疫机制的Web Robot自适应分层检测模型 |
| 4.1 问题建模 |
| 4.1.1 问题描述 |
| 4.1.2 Web Robot自适应分层检测模型 |
| 4.1.3 模型工作原理 |
| 4.2 基于改进克隆选择的特征组合优化算法 |
| 4.3 基于改进动态克隆选择的检测器生成算法 |
| 4.4 本章小结 |
| 5 实验设计与结果分析 |
| 5.1 实验目的 |
| 5.2 实验设计 |
| 5.2.1 已知Web Robot规则库 |
| 5.2.2 数据集 |
| 5.2.3 实验场景设计 |
| 5.3 实验结果分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.1.1 论文主要工作 |
| 6.1.2 论文创新点 |
| 6.2 下一步工作 |
| 参考文献 |
| 致谢 |
（8）树突状细胞算法研究及在监控系统入侵检测中的应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 引言 |
| 1.1 选题意义 |
| 1.2 国内外研究现状 |
| 1.3 本人的研究计划 |
| 2 入侵检测概述 |
| 2.1 网络安全现状 |
| 2.2 入侵检测系统的概念 |
| 2.3 入侵检测系统的分类 |
| 2.4 入侵检测的关键技术 |
| 2.5 入侵检测存在的主要问题和解决途径 |
| 2.6 本章小结 |
| 3 生物免疫与入侵检测 |
| 3.1 生物免疫系统 |
| 3.2 人工免疫系统 |
| 3.3 免疫识别 |
| 3.4 危险理论 |
| 3.5 生物免疫与入侵检测的相似性 |
| 3.6 基于先天性免疫的入侵检测 |
| 3.7 本章小结 |
| 4 树突状细胞算法及其改进 |
| 4.1 传统的树突状细胞算法 |
| 4.1.1 DC生物学机理 |
| 4.1.2 DCA原理 |
| 4.1.3 信号融合 |
| 4.1.4 DCA流程 |
| 4.1.5 实验数据 |
| 4.1.6 DCA的优点和局限 |
| 4.2 用于实时异常检测的树突状细胞算法 |
| 4.2.1 传统DCA的离线分析 |
| 4.2.2 实时DCA |
| 4.2.3 实验与结果分析 |
| 4.2.4 下一步的工作 |
| 4.3 针对无序数据集异常检测的树突状细胞算法 |
| 4.3.1 设计思想 |
| 4.3.2 MMDCA算法流程 |
| 4.3.3 实验与结果分析 |
| 4.3.4 下一步的工作 |
| 4.4 可调控误报率和漏报率的树突状细胞算法 |
| 4.4.1 投票制DCA |
| 4.4.2 权值矩阵对检测结果的影响 |
| 4.4.3 改进的投票制DCA |
| 4.4.4 评分制DCA |
| 4.5 本章小结 |
| 5 DCA与PSA相结合的免疫算法 |
| 5.1 否定选择算法与肯定选择算法对比研究 |
| 5.1.1 否定选择算法(NSA) |
| 5.1.2 肯定选择算法(PSA) |
| 5.2 匹配规则 |
| 5.3 DCA与PSA相结合的算法思想 |
| 5.4 实验与结果分析 |
| 5.5 本章小结 |
| 6 基于DCA的入侵检测系统 |
| 6.1 系统结构模型 |
| 6.1.1 抗原和信号采集模块 |
| 6.1.2 DCA检测模块 |
| 6.1.3 检测器模块 |
| 6.1.4 入侵综合评判模块 |
| 6.1.5 管理员确认模块 |
| 6.2 KDD Cup 99数据集 |
| 6.3 数据集预处理 |
| 6.4 实验结果 |
| 6.5 本章小结 |
| 7 DCA在振动数据集异常检测中的应用 |
| 7.1 振动分析数据集 |
| 7.2 数抓集预处理 |
| 7.3 实验与结果分析 |
| 7.4 本章小结 |
| 8 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 攻博期间发表的科研成果目录 |
| 致谢 |
（9）计算机免疫危险理论的数字微分方法（论文提纲范文）
| 论文创新点 |
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 计算机免疫学的研究及发展 |
| 1.1.1 机体免疫学的研究对象与本质 |
| 1.1.2 计算机免疫学研究的主流理论 |
| 1.1.3 危险理论的核心思想 |
| 1.2 研究动机和选题背景 |
| 1.2.1 危险理论的焦点问题 |
| 1.2.2 数字微分对危险感知的可借鉴性 |
| 1.2.3 研究目标 |
| 1.2.4 选题背景 |
| 1.3 主要工作和创新点 |
| 1.4 论文组织结构 |
| 第2章 计算机免疫学的发展 |
| 2.1 计算机免疫学的研究范畴和学科定位 |
| 2.1.1 人工智能与自然计算 |
| 2.1.2 仿生智能计算 |
| 2.1.3 计算机免疫学的兴起 |
| 2.2 免疫系统——复杂的自适应系统 |
| 2.2.1 生物免疫系统概述 |
| 2.2.2 生物免疫系统的特性 |
| 2.2.3 免疫系统的本质功能 |
| 2.3 计算机免疫学研究概述 |
| 2.3.1 计算机免疫学研究方向及现状 |
| 2.3.2 Self-Nonself模型研究的困境 |
| 2.3.3 危险理论的研究意义 |
| 2.4 本章小结 |
| 第3章 计算机免疫中的危险理论 |
| 3.1 计算机免疫系统的基本问题 |
| 3.2 危险理论的生物学基础 |
| 3.2.1 免疫危险理论的引入 |
| 3.2.2 危险理论的工作原理 |
| 3.3 危险理论研究概况 |
| 3.3.1 危险理论的研究现状 |
| 3.3.2 危险理论的应用 |
| 3.3.3 危险理论的特点 |
| 3.4 危险理论中的核心问题 |
| 3.4.1 危险信号定义的完备性和智能性 |
| 3.4.2 危险状态感知的自适应性问题 |
| 3.5 从本质入手解决两大核心问题 |
| 3.5.1 核心问题存在的原因 |
| 3.5.2 核心问题的研究思路 |
| 3.6 本章小结 |
| 第4章 变化的数字微分描述体系 |
| 4.1 函数的作用与意义 |
| 4.1.1 自变量和因变量间的映射关系 |
| 4.1.2 复杂的变量关系映射——多元函数 |
| 4.2 数字微分方法可解决的问题 |
| 4.2.1 微分描述变化 |
| 4.2.2 微分描述关系 |
| 4.2.3 微分描述变化的特征和规律 |
| 4.3 变化的数字微分描述模型 |
| 4.3.1 离散建模的一般性方法 |
| 4.3.2 数字微分模型的问题域描述 |
| 4.3.3 数字微分模型描述 |
| 4.4 本章小结 |
| 第5章 基于微分的免疫危险感知体系 |
| 5.1 免疫平衡机理 |
| 5.1.1 免疫调节与生理平衡 |
| 5.1.2 平衡与变化的关系 |
| 5.1.3 平衡与危险的关系 |
| 5.2 危险感知体系的基本结构 |
| 5.2.1 体系构成与层次结构 |
| 5.2.2 免疫个体 |
| 5.2.3 免疫中心 |
| 5.3 危险信号生成器 |
| 5.3.1 特征信息点的选取 |
| 5.3.2 运行特征的提取 |
| 5.3.3 变化感知——危险信号的生成 |
| 5.4 平衡分析器 |
| 5.4.1 平衡的层次 |
| 5.4.2 单一指标变化趋势的平衡描述 |
| 5.4.3 指标关系的平衡描述 |
| 5.5 危险感知器 |
| 5.5.1 状态失衡的判定——危险感知 |
| 5.5.2 危险特征的动态提取 |
| 5.6 免疫协同机制 |
| 5.7 本章小结 |
| 第6章 恶意软件检测实验 |
| 6.1 恶意软件检测现状 |
| 6.1.1 恶意软件对信息系统的严重威胁 |
| 6.1.2 恶意软件检测方法 |
| 6.1.3 恶意软件检测的问题和出路 |
| 6.2 实验环境 |
| 6.2.1 僵尸网络的特点及工作原理 |
| 6.2.2 实验环境 |
| 6.2.3 实验目标 |
| 6.3 实验设计 |
| 6.3.1 实验场景设计 |
| 6.3.2 实验数据准备 |
| 6.3.3 实验步骤及流程 |
| 6.4 实验分析 |
| 6.4.1 危险信号的生成与自适应提取 |
| 6.4.2 验证危险特征检测的有效性 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 下一步工作 |
| 附录A. 免疫相关术语说明表 |
| 附录B. SpyBot常用控制命令说明表 |
| 附录C. SDbot常用控制指令说明表 |
| 参考文献 |
| 攻读博士学位期间论文及科研情况 |
| 致谢 |
（10）计算机免疫中先天层与适应性层协同机制研究（论文提纲范文）
| 论文创新点 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 计算机免疫系统的重要性 |
| 1.2.1 计算机免疫系统的概述 |
| 1.2.2 计算机免疫系统的优势 |
| 1.2.3 计算机免疫系统的应用领域 |
| 1.3 论文的研究动机 |
| 1.3.1 计算机先天/适应性免疫层模型的特点及局限 |
| 1.3.2 计算机免疫中先天层与适应性层协同模型的优势 |
| 1.3.3 现有计算机免疫层间协同模型有待改进的关键问题 |
| 1.4 本文的研究目标及内容 |
| 1.4.1 本文的研究目标 |
| 1.4.2 本文的研究内容 |
| 1.5 论文的组织 |
| 第二章 计算机免疫系统及其免疫学基础 |
| 2.1 生物免疫学基础 |
| 2.1.1 生物免疫学概述 |
| 2.1.2 生物免疫系统的层次性 |
| 2.1.3 生物免疫应答类型 |
| 2.1.3.1 先天免疫层应答 |
| 2.1.3.2 适应性免疫层应答 |
| 2.1.3.3 先天与适应性免疫层协同应答 |
| 2.2 可供计算机免疫借鉴的生物免疫应答模式 |
| 2.2.1 单一信号模式(自身-异己免疫模式) |
| 2.2.2 协同刺激与INS模式 |
| 2.2.3 危险理论模式 |
| 2.3 计算机免疫系统的研究概况 |
| 2.3.1 计算机免疫系统的发展历程 |
| 2.3.2 计算机免疫系统的研究思路 |
| 2.3.3 计算机免疫系统的研究热点 |
| 2.4 计算机免疫系统的研究现状 |
| 2.4.1 计算机先天免疫模型及其局限 |
| 2.4.2 计算机适应性免疫模型及其局限 |
| 2.4.3 计算机先天与适应性免疫模型及其局限 |
| 2.5 本章小结 |
| 第三章 计算机免疫中先天层与适应性层协同模型 |
| 3.1 危险理论下的先天与适应性免疫协同应答机制 |
| 3.2 相关重要符号含义 |
| 3.3 模型总体结构 |
| 3.3.1 模型的基本架构及定义 |
| 3.3.2 模型的算法执行流程 |
| 3.4 危险信号航原的定义 |
| 3.5 基于人工APC细胞群体的危险感知层 |
| 3.5.1 危险感知层的组成 |
| 3.5.2 人工APC细胞群体 |
| 3.5.3 信号采集及抗原捕获 |
| 3.5.4 信号及抗原再表达 |
| 3.5.5 危险信号评估 |
| 3.5.6 对免疫响应层的协同刺激/抗原提呈 |
| 3.5.7 细胞群体的更新 |
| 3.6 基于人工淋巴细胞群体的免疫响应层 |
| 3.6.1 免疫响应层的组成 |
| 3.6.2 人工淋巴细胞群体 |
| 3.6.3 细胞群体的生成 |
| 3.6.4 细胞群体的检测 |
| 3.6.5 细胞群体的更新 |
| 3.6.6 结果评价方法 |
| 3.6.7 对危险感知层的反馈调整 |
| 3.7 危险感知层与免疫响应层之间的协同机制 |
| 3.7.1 细胞行为指导策略 |
| 3.7.2 结果反馈调整方案 |
| 3.8 本章小结 |
| 第四章 基于人工APC细胞群体的危险信号表达 |
| 4.1 危险信号表达在人工APC研究中的重要性 |
| 4.2 树突状细胞算法 |
| 4.2.1 树突状细胞算法的生物学基础 |
| 4.2.2 树突状细胞算法 |
| 4.2.3 算法中危险信号表达方法的不足 |
| 4.3 基于变化检测的危险信号表达 |
| 4.3.1 危险信号的数据源 |
| 4.3.2 有关的数学理论基础 |
| 4.3.3 危险信号的表达 |
| 4.4 改造后的树突状细胞算法 |
| 4.4.1 改造要点 |
| 4.4.2 改造后的树突状细胞算法 |
| 4.5 有效性验证实验的结果及分析 |
| 4.6 本章小结 |
| 第五章 计算机免疫层间协同模型实验设计及结果分析 |
| 5.1 实验系统基本组成结构 |
| 5.1.1 实验系统的软件结构 |
| 5.1.2 实验系统控制流程 |
| 5.2 实验系统具体实现 |
| 5.2.1 人工DC群体功能实现 |
| 5.2.2 人工T细胞群体功能实现 |
| 5.3 实验目标 |
| 5.4 实验数据集 |
| 5.4.1 实验数据介绍 |
| 5.4.2 实验数据结构 |
| 5.5 实验结果分析 |
| 5.5.1 参数对结果影响实验 |
| 5.5.2 有效性验证实验 |
| 5.5.3 自适应性验证实验 |
| 5.6 本章小结 |
| 第六章 结束语 |
| 6.1 本文的工作 |
| 6.2 进一步的工作 |
| 参考文献 |
| 致谢 |
| 附录A：攻读博士学位期间发表论文情况 |
| 附录B：本论文中所涉及到的免疫学术语的中英文对照 |
| 附录C：原型实验系统中重要函数的代码实现 |
四、生物免疫系统对信息安全的启示（论文参考文献）
- [1]基于人工免疫的“互联网+”新创企业成长风险识别模型研究[D]. 陈衍安. 江西财经大学, 2020(12)
- [2]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)
- [3]基于生物免疫学方法的泛在电力物联网安全技术[J]. 曲朝阳,董运昌,刘帅,沈志欣,于建友,李育发. 电力系统自动化, 2020(02)
- [4]基于免疫理论的农产品物流外包风险预警模型研究[D]. 张薇. 江西财经大学, 2019(01)
- [5]基于特异性免疫机制的地震预测模型[D]. 周天祥. 武汉大学, 2019(06)
- [6]工业控制网络安全防御体系及关键技术研究[D]. 李艺. 华北电力大学(北京), 2017(12)
- [7]基于免疫机制的Web Robot自适应分层检测模型[D]. 王盼. 武汉大学, 2017(06)
- [8]树突状细胞算法研究及在监控系统入侵检测中的应用[D]. 袁嵩. 武汉大学, 2013(10)
- [9]计算机免疫危险理论的数字微分方法[D]. 杨超. 武汉大学, 2012(05)
- [10]计算机免疫中先天层与适应性层协同机制研究[D]. 张俊敏. 武汉大学, 2011(04)