Искуственная имунная система

Искусственная иммунная система (англ. Artificial immune system, AIS) относится к классу автоматизированных вычислительных интеллектуальных систем, использующих принципы иммунной системы позвоночных. Для решения задач эти алгоритмы используют свойства иммунной системы к обучению и памяти.

Определение

Искусственная иммунная система (ИИС) - это адаптивная вычислительная система, использующая модели, принципы, механизмы и функции, описанные в теоретической иммунологии, которые применяются для решения прикладных задач.

Несмотря на то, что природные иммунные системы изучены далеко не полностью, на сегодня существуют как минимум три теории, объясняющие функционирования иммунной системы и описывают взаимодействие ее элементов, а именно: теория отрицательного отбора, теория клональной селекции и теория иммунной сети. Они легли в основу создания трех алгоритмов функционирования ИИС. Сфера применения ИИС включает такие области (но не ограничивается ими):

• методы вычислений
• когнитивные модели
• обнаружения аномалий и неполадок
• мультиагентные системы
• модели самоорганизации
• модели коллективного интеллекта
• системы поиска и оптимизации
• модели автономных распределенных систем
• модели искусственной жизни
• системы компьютерной безопасности
• методы получения информации
• обработка сигналов и изображений

Методы

Методы ИИС используют специфические иммунологические теории, объясняющие функции и поведение адаптивной иммунной системы млекопитающих.

Клональные алгоритмы отбора

Клональные алгоритмы отбора - класс алгоритмов, использующих методы клоновой селекции и теорию приобретенного иммунитета.

Клональный алгоритм отбора наиболее часто применяется для оптимизации и распознавания доменов, некоторые из которых напоминают алгоритмы восхождения на вершину и генетический алгоритм без оператора рекомбинации.

Негативные алгоритмы отбора

Негативные алгоритмы отбора используются процессами позитивной и негативной селекции.

Этот класс алгоритмов, как правило, используется для классификации и распознавания проблемных областей, где пространство проблемы моделируется на основе имеющихся знаний. Например, в случае обнаружения аномалий домена алгоритм на обычных (не аномальных) образцах этой модели и осуществляет обнаружение невидимых или аномальных образцов.

Иммунные сетевые алгоритмы

Иммунные сетевые алгоритмы - алгоритмы, которые пользуются теорией идеотипичних сетей.

Этот класс алгоритмов сфокусирован на сетевом графе структур, где антителами (или продуцируемыми клетками) являются узлы, а алгоритм обучения предполагает рост или сокращение расстояний между узлами на основе близости (сходства в пространстве представления проблемы).

Иммунные сетевые алгоритмы использовались в кластеризации, визуализации данных, контроле и оптимизации областей, а некоторые - для разработки искусственных нейронных сетей.

Дендритные алгоритмы

Дендритные алгоритмы - основаны на абстрактной модели дендритной клетки (ДК).

Принцип работы

Иммунная система все главные особенности искусственного интеллекта память, способность учиться, умение распознавать и принимать решение относительно того, как рассматривать чужеродный код, попавший в организм, даже если последний никогда не существовал на Земле. Подобно искусственным нейронным сетям, ИИС могут накапливать новую информацию и, используя предварительно изученную информацию, осуществлять распознавание образов децентрализованным способом.

Иммунная система выполняет несколько функций. Вместе с другими системами организма она поддерживает устойчивое состояние жизненных функций, названный гомеостазом.

Рассматривая вычислительные аспекты парадигмы иммунных систем, можно выделить следующие элементы иммунных алгоритмов:

• множество способов представления компонентов системы;
• множество механизмов, позволяющих оценить взаимодействие индивидуумов с окружающей средой и друг с другом;
• процедуры адаптации, которые управляют динамикой системы, т.е. изменением ее состояния во времени.

Способы представления позволяют создавать абстрактные модели иммунных систем. Механизмы оценки, которые называют также функциями аффинности, позволяют количественно оценить взаимодействия этих «искусственных иммунных систем», а процедуры адаптации, выраженные в виде множества общих алгоритмов для достижения цели, управляют динамикой ИИС.

Проектирование ИИС

Для проектирования структуры ИИС чаще применяют методы, которые активно используют в других биологических вычислительных парадигмах - таких как, например, нейронные сети и эволюционные алгоритмы. Набор функций оценки, взятых из данных вычислительных парадигм, вполне может быть использовано для оценки взаимодействия индивидуумов ИИС. Вместе с тем эволюционные алгоритмы хорошо подходят для управления изменением во времени состояний, из которых состоит искусственная иммунная система. С учетом сказанного выше, процесс построения ИИС можно разделить на два основных этапа:

1. Выбор надлежащей формы представления индивидуумов и меры аффинности;
2. Применение каждого из существующих алгоритмов (или нового алгоритма) для управления изменением состояний системы во времени.

Псевдокод алгоритма ИИС

input   : S = set of patterns to be recognised, n the number of worst elements to select for removal
output  : M = set of memory detectors capable of classifying unseen patterns
begin
     Create an initial random set of antibodies, A 
   
  forall  patterns in S   do         
     Determine the affinity with each antibody in A 
     Generate clones of a subset of the antibodies in A  with the highest affinity. 
        The number of clones for an antibody is proportional to its affinity             
     Mutate attributes of these clones to the set A , and place a copy of the highest 
        affinity antibodies in A  into the memory set, M
     Replace the n lowest affinity antibodies in A with new randomly generated antibodies
  end 
 
end

Ссылки

Искусственная иммунная система в Wikipedia

An artificial immune system architecture for computer security applications

Презентация об ИИС