特别申明：本站部分文章由网络收集整理.如需使用，请与原作者联系,如有侵权，请联系我们删除,谢谢！

免疫系统有 2 种免疫应答: 初次应答和二次应答． 初次应答发生在免疫系统遭遇某种病原体第一次入侵时． 当有同样抗原再次入侵时，记忆细胞能更快地作出反应，形成二次免疫应答． 接种疫苗可以建立二次免疫应答，也称为适应性免疫反应． 适应性免疫是机体通过记忆或借助外部力量调节自身以增强免疫能力的过程［1-2］． 免疫系统通过疫苗的作用，提高个体的环境适应能力．基于生物免疫系统的高检测效率和低误报率机理，利用免疫疫苗理论，本文对变阈值免疫阴性选择算法的监测系统异常部分进行改进，在算法中加入了疫苗算子和阳性选择算子，使抗体库具有记忆功能，对于同样抗原再次入侵时，使其反应时间明显缩短． 改进后的算法能够动态更新疫苗库，对建立二次应答具有自适应性．

1 基于疫苗理论的改进思想变阈值免疫阴性选择算法［3］是针对普通阴性选择算法［4-5］存在的“黑洞”问题和检测效率等问题提出的． 算法通过不断地检测改变匹配阈值而大大减少“黑洞”数量． 同时，利用模糊思想，基于模糊相似度的概念，实现了抗体与抗原的带有控制参数的模糊匹配，从而提高系统的检索率和性能．免疫系统最重要的功能就是对未知入侵能够报警并能对抗新的攻击，而接种疫苗是提高报警与对抗攻击效率的重要手段． 在变阈值阴性选择算法中加入疫苗算子，形成了带有疫苗的并能动态更新的抗体库( 检测器库) ． 当同样的抗原再次入侵时，抗体库中的疫苗首先将其检测到，大大缩短了二次应答时间，提高抗体库的检测效率． 在用疫苗进行检测时，要用到一个类似于生物体阳性选择的过程，算法所关心的就是匹配是不是发生了，从而利用阳性选择实现疫苗的检测过程．

1． 1 疫苗算子疫苗算子主要通过接种疫苗来实现的． 疫苗的作用主要有 2 个，一是记忆入侵过的抗原，二是能够提高二次应答的速度［6］． 在基于连续 r 位匹配规则下，疫苗的准确定义应该是获得匹配的连续 r 个基因的模式，因此疫苗不是个体，而仅仅是个体在某些基因位上的特征． 但由于按位匹配，疫苗需要有固定的存放位置，因此疫苗所在的抗原就作为该疫苗的载体进入疫苗抗体库． 这样既保证了疫苗的质量，又增加了抗体的多样性．

1． 2 阳性选择算子免疫细胞所经历的另一个重要过程就是阳性选择过程． 在生物免疫中，阳性选择是相逆于负选择( 阴性选择) 的一个成熟抗体的过程，与负选择同样重要［8-9］． 在以往的相关文献中，往往都忽视了阳性选择这一重要过程． 利用阳性选择算子进行检测的目的是将抗体库中的疫苗提取出来对待检文件进行检测，以便高效快速地获取抗原信息，提高检测的快速性和准确性［10］． 疫苗算子增强了抗体库的记忆功能，而阳性选择算子是完成这种记忆功能的具体实施者．

2 基于免疫疫苗理论的变阈值免疫阴性选择算法疫苗算子和阳性选择算子的主要作用就是对抗原形成免疫记忆，从而建立二次免疫应答，并大大缩短二次应答时间，因此，这 2 种算子应加在变阈值免疫阴性选择算法的监测系统异常部分． 由于提取疫苗时采用自适应方法，使抗体库在每检测到一个抗原时能得到动态刷新，从而使变阈值免疫阴性选择算法的检测效率明显提高，并能对再次入侵的抗原作快速应答．

2． 1 算法步骤算法首先利用改变前的 self 集通过变阈值免疫阴性选择算法的有效检测器集生成算法［11］生成有效检测器集 D，然后改变 self 集，若此时抗体库中没有疫苗存在，则首先利用 D 集检测，若检测到一个匹配，提取为疫苗． 当抗体库中有疫苗存在后，要先进行疫苗的阳性选择检测，再利用有效检测器集 D集检测． 利用疫苗和 D 集两种方式来监测改变，保证了检测的准确率． 改进后监测系统异常部分的算法描述如下:1) 由变阈值免疫阴性选择算法生成有效检测器集 D;2) 初始化抗体库为有效检测器集 D，并将检测时间扩大 100 倍进行记录;3) 实时获取 self 集信息，若抗体库中有疫苗存在( 抗体库已经积累学习经验) ，则首先进行阳性选择算子检测． 若检测到抗原，产生报警，记录时间开销;4) 利用有效检测器集 D 检测，若有匹配发生，提取疫苗，更新抗体库，并去掉冗余;5) 若监测时间达到了规定要求，算法结束，否则，转到 3) ．

2． 2 算法的自适应性当算法检测到有匹配发生时，是否提取为疫苗，要看是抗体库中的哪一部分进行的检测． 若是疫苗的阳性选择检测，则检测到的抗原不能再进行提取操作，因为此时若将抗原提取为疫苗，它将与原检测疫苗匹配，导致抗体库出现冗余． 冗余的检测器不能增加检测器集的覆盖空间，因此会降低算法的检测效率． 若是有效检测器集 D 进行的检测，表明检测到的抗原没有被疫苗发现，即不与抗体库中的任何疫苗匹配，则提取为新的疫苗，加入抗体库，留待下次检测． 上述过程保证了抗体库中的疫苗互相不匹配，消除了疫苗的冗余现象，即抗体库在动态刷新的过程中去掉了冗余，使冗余的消除也具有自适应性．·

3 仿真分析

3． 1 初始匹配阈值 r 间隔迭次取用思想算法仿真时，生成长度为 256 字节的二进制文件作为 self 集 NS． 取初始匹配阈值 r = 7，最大匹配阈值 rc= 11，通过变阈值阴性选择算法生成有效检测器集 D． 检测器字串的长度 L =13，因此，self 集应划分成长度为 13 的若干个二进制字符串． 实现方法有两种: 等长划分和迭次划分． 对 self 集进行等长划分，检测时必定会引起基因丢失，使一些改变无法被检测到，因此在模糊匹配时为了防止基因丢失，并考虑到算法的复杂度及时间代价，本文提出采用初始匹配阈值 r 间隔进行迭次取用，如第 1 个位串的起始位置为 1，第 2 个起始位置为 8，依此类推． 这样既可以减少计算的冗余度，又不会过多的丢失基因位，既保证了算法的时间复杂度不会过大，又可以降低检测失败率，提高算法的检测效率．

3． 2 仿真中出现的问题及解决办法为了将检测到的抗原作为疫苗的载体提取为疫苗，仿真时需记录当前检测到的抗原位串的起始位置． 仿真时，改变 self 集中位置为 464 ～ 478 的一段位串，取匹配阈值 r = 7 进行检测并生成疫苗． 结果发现由有效检测器集 D 检测到的 12 个抗原中存在一个起始位置为 470 的抗原，说明 self 集中改变的那段位串已经被检测到，若将这段改变的位串视为病毒入侵，则该病毒已经被监测系统发现． 但也存在问题，没有改变的 self 集中的其他位串也被同时检测到． 究其原因，主要是利用变阈值免疫阴性选择算法生成检测器时，匹配阈值在 7 ～11 之间可调，因此D 集中包含匹配阈值 7 ～ 11 之间的检测器． 采用 r = 7进行匹配检测，根据检测器生成过程可知，匹配阈值大于7 的检测器，会与 self 集中的个体发生匹配，因此在没改变 self 集时却检测到了某个匹配，相当于 self 集被改变( 有病毒入侵) ． 被检测器集 D 检测到的抗原提取为疫苗，刚生成的疫苗在后续的检测中又检测到 self集中的其他位串，说明 self 集本身有互相匹配的现象，存在一定的相似性，从而增大了算法的检测失败率．