مقاله درمورد دانلود منابع محدود

شبکهها مي باشد و نيز منابع محدود اين نوع شبکه، سيستمهاي تشخيص نفوذ مبتني بر ناهنجاري براي آنها مناسب بوده و مورد استفاده قرار مي گيرد.
2-7- سيستم ايمني مصنوعي74
بسياري از سيستم‌هاي مصنوعي که براي کاربردهاي کامپيوتري ساخته مي‌شوند به گونه‌اي از زيست ‌شناسي طبيعي الهام گرفته شده‌اند، به همين دليل قبل از هرکاري بهتر است از عملکرد سيستم ايمني زيستي مورد استفاده فهم درست و روشني پيدا کنيم. براي مثال، جهت ساخت يک سيستم ايمني مصنوعي نياز داريم سيستم ايمني زيستي را مطالعه کنيم تا طبيعت و مکانيزم‌هاي آن را درک کرده و بتوانيم از آن در جهت حل مسائل مختلف الهام بگيريم. ايمني‌شناسي يک موضوع بسيارجالب و توانگر براي تحقيق و پژوهش است که مي‌تواند منبع غني از الهامات را براي محاسبات الهام‌شده زيستي فراهم کند. در اين بخش ابتدا نگاه مختصري بر سيستم ايمني بدن انسان و سيستم ايمني مصنوعي خواهيم داشت و سپس برخي از تئوري‌ها و الگوريتم‌هاي سيستم ايمني مصنوعي را بيان مي‌کنيم.
2-7-1- سيستم ايمني بدن انسان
بدن انسان يک سازمان بسيار پيچيده‌اي است که مي‌توان آن را در سطوح مختلفي از جمله سلولها، بافت‌‌ها و اعضا بررسي کرد. سلول‌ها بخش اساسي سازمان زيستي بدن را تشکيل مي‌دهند که توانايي تعامل با محيط اطرافشان را دارند و همچنين قادر هستند براي مقابله با ملکول‌ها و عوامل خارجي با ساير سلول‌ها در بدن هماهنگ شوند. سلول‌ها در بدن در قالب بافت‌هايي مجتمع‌شده هستند. بافت‌ها ترکيبي از اعضايي چون قلب، مغز، تيموس75 و غيره مي‌باشند. سيستم ايمني بدن از سلول‌ها و ملکول‌ها، بافت‌ها، اعضا و سيستم گردش خون تشکيل شده است. سلول‌هاي ايمني در نواحي خاصي از جمله تيموس و مغز استخوان76 توليد شده و به بلوغ مي‌رسند و سپس از طريق سيسم گردش خون و سيستم قلبي-عروقي در سرتاسر بدن منتشر مي‌شوند. بدن انسان منبع بسيار غني از مواد غذايي براي موجودات ذره‌بيني است، در صورتي که بدن به وسيله سيستم ايمني محافظت نشود، موجودات ذره بيني باعث آسيب رساندن به بدن خواهند شد. فرآيند آسيب ديدن آسيب‌شناسي(پاتولوژي77) ناميده مي‌شود. عامل اين آسيب‌رساني که مي‌تواند ويروس يا باکتري باشد، پاتوژن ناميده مي‌شود. سيستم ايمني بدن قادر است بسياري از اين پاتوژن‌‌ها را موقعيت‌يابي و حذف نمايد و بدن را در وضعيت سالم حفظ کند(گلدزبي و همکاران ، 2009).
2-7-1-1- سلول هاي ايمني
ويژگي بارز سيستم ايمني، توانايي در شناسايي و پاسخ‌دهي به ملکول‌هاي بيگانه و عدم واکنش نسبت به ملکول‌هاي خودي است. به طور کلي، سلول‌هاي خارجي(عادي يا غيرعادي) را آنتي‌ژن78 مي‌نامند. شناسايي آنتي‌ژن‌ها توسط دسته‌اي از سلول‌هاي ايمني به نام سلول‌هاي TوB انجام مي‌شود. سطح سلول‌هاي T با گيرنده‌هايي به نام شناسگر79 و همچنين سطح سلول‌هاي B با گيرنده‌هايي به نام آنتي‌بادي80 پوشانده شده است(گلدزبي و همکاران ، 2009 ، مير و همکاران ، 1996).
سلول‌هاي ارائه دهنده آنتي‌ژن (APC81)، آنتي‌ژن‌ها را قورت داده و سپس آن‌ها را به پپتيدهايي82 مي شکنند. ملکول‌هاي MHC اين پپتيدها را به سطح APCها منتقل کرده و به سلول‌هاي T ارائه مي‌دهند. اين سلول‌‌ها در صورتي آنتي‌ژن‌ها را شناسايي مي‌کنند که شناسگرهايشان با پپتيدها تطبيق يابند. اما، سلول‌هاي B، آنتي‌ژن‌ها را به وسيله تطبيق مستقيم آنتي‌بادي‌هايشان با آنتي‌ژن تشخيص مي‌دهند. در صورت تطبيق اين گيرنده‌ها با آنتي‌ژن‌، آن آنتي‌ژن به عنوان يک سلول غيرعادي تشخيص داده مي‌شود و در نهايت يک پاسخ ايمني مناسب جهت مقابله با آن فعال خواهد شد(گلدزبي و همکاران ، 2009).
سلول‌هاي T در تيموس و سلول‌هاي B در مغز استخوان توليد مي‌شوند. سپس، سلول‌هاي نابالغ ابتدا طي فرآيندي به نام فرآيند انتخاب مثبت براي تشخيص ملکول‌هاي 83MHC بر روي سطح سلول‌هاي ديگر آزمايش مي‌شوند تا توانايي آن‌ها در تطبيق يافتن با ملکول‌هاي MHC آزمايش گردد. هر سلولي که گيرندههايش با پپتيدها تطبيق نيابد حذف خواهد شد. سلول‌هاي نابالغ در فرآيندي به نام انتخاب منفي84، در معرض دنباله‌هايي از پپتيدهاي خودي(عادي) که به طور معمول در بدن وجود دارند، قرار مي‌گيرند و در صورت پيوند يافتن با سلول‌هاي نرمال (آنتي‌ژن‌هاي عادي) حذف خواهد شد. در پايان فرآيندهاي انتخاب منفي و انتخاب مثبت سلول‌هايي که زنده مانده‌اند همان سلول‌هاي بالغ شده‌اند که وارد جريان خون مي‌شوند و در سرتاسر بدن براي تشخيص آنتي‌ژن‌هاي غيرعادي منتشر مي‌شوند. اين سلول‌ها در صورت تطبيق با آنتي‌ژن‌ها، آن‌ها را به عنوان غيرعادي تشخيص مي‌دهند. تطبيق، يک اتصال شيميايي بين گيرنده‌ها و پپتيدها/آنتي‌ژن‌ها است. شدت اين اتصال شيميايي بين گيرنده‌ها و پپتيدها/آنتي‌ژن‌ها با واژه ميل ترکيبي85 تعريف مي‌شوند(کيم و همکاران ، 2005).
2-7-2- الگوريتم‌ها و تئوري هاي سيستم ايمني مصنوعي
سيستم ايمني مصنوعي که الهام گرفته شده از سيستم ايمني بدن انسان است ، شامل الگوريتم ها و تئوري هاي زير است(باراني،1390) :
2-7-2-1- تئوري جداسازي خودي/غيرخودي86
يکي از مهمترين مکانيزم‌هاي سيستم ايمني بدن ” جداسازي خودي و غير خودي ” است. بر اساس اين مکانيزم، سيستم ايمني بدن قادر است سلول‌هاي خودي را از سلول‌هاي غيرخودي (خارجي) تشخيص دهد. بنابراين، اين سيستم توانايي دفاع از بدن در مقابل مهاجم‌ها را دارا مي‌باشد. سلول‌هاي T با استفاده از يک فرآيند شبه تصادفي توليد مي‌شوند و آن‌هايي که سلول‌هاي خودي را تشخيص مي‌دهند قبل از پخش شدن ساير سلول‌ها در داخل سيستم ايمني حذف خواهند شد. بنابراين، سلول‌هاي T از طريق يک فرآيند انتخاب به نام فرآيند انتخاب منفي که اطمينان مي‌دهد آن‌ها قادر به تشخيص سلول‌هاي غيرخودي هستند، توليد مي‌شوند. هدف از اين فرآيند، آزمايش در مقابل تحمل‌پذيري تشخيص سلول‌هاي خودي است.
2-7-2-2- الگوريتم انتخاب منفي
اين الگوريتم سلول‌‌هاي نابالغ T و B اي که با سلول‌هاي عادي(خودي) تطبيق مي‌يابند و آن‌‌ها را به عنوان آنتي‌ژن غيرعادي تشخيص ميدهند را از جمعيت سلول‌هاي ايمني حذف مي‌کند.
فورست87و پرلسون88(1994)، يک مدل محاسباتي از مکانيزم‌ جداسازي خودي و غيرخودي، به نام NSA89، پيشنهاد داده‌اند. اين الگوريتم فرآيند بلوغ سلول‌هاي T که در تيموس رخ مي‌دهند را مدل مي‌کند. بعد از نسخه اصلي NSA چندين نسخه ديگر از آن معرفي شده است؛ اما ويژگي‌هاي مهم نسخه اصلي در نسخه‌هاي جديد هنوز باقي است. اصلي‌ترين مفهوم در اين الگوريتم، فضاي غير عادي (مکمل فضاي عادي) است. هدف از NSA توليد مجموعه مناسبي از شناسگرها تنها با استفاده از سلول‌هاي عادي براي پوشش فضاي غيرعادي(غيرنرمال) است. در شکل2-1 نمايي از فضاي عادي و غيرعادي نمايش داده شده است. شناسگرهاي منفي توليد شده با دايره‌هاي سفيد رنگ مشخص شده‌اند که از آن‌ها براي تشخيص الگوهاي غيرعادي استفاده مي‌شود.

شکل 2-1 : نمايشي از فضاي عادي و غيرعادي استفاده شده در فرآيند انتخاب منفي (فورست90و پرلسون91،1994).

هر الگوريتم NS92 شامل دو گام توليد شناسگر و تشخيص غيرخودي است. در گام اول، به وسيله يک فرآيند تصادفي که مجموعه‌اي از نمونه‌هاي عادي را به عنوان ورودي مي‌پذيرد مجموعه‌اي از شناسگرهاي کانديد توليد مي‌شود. سپس، شناساگرهاي کانديد منطبق‌يافته با نمونه‌هاي عادي حذف مي‌شوند، در حالي که شناساگرهاي منطبق نيافته با نمونه‌هاي عادي نگهداري مي‌شوند. در گام دوم، شناساگرهاي ذخيره شده (توليد شده در گام اول) براي بررسي نمونه‌هاي ورودي استفاده مي‌شوند. اگر يک نمونه ورودي با حداقل يک شناساگر منطبق شود، آن نمونه ورودي غيرعادي محسوب خواهد شد.
الگوريتم انتخاب منفي براي مسائلي (از قبيل طبقه‌بندي تک‌کلاسي) مناسب هستند که در آن‌ها تنها يک دسته از داده‌ها وجود دارد. شبه کد الگوريتم انتخاب منفي پايه درشکل 2-2 نمايش داده شده است(داسکوپتا و جي آي ، 2007). در اين شبه کد، Nself مجموعه نمونه‌هاي عادي است که با رشته‌هاي دودويي به طول l نمايش داده مي‌شوند. ND مجموعه شناسگرهاي توليد شده توسط الگوريتم مي‌باشد.

شکل 2-2 : شبه کد الگوريتم انتخاب منفي پايه(داسکوپتا و جي آي ، 2007).
الگوريتم انتخاب منفي ، بر اساس نوع روش نمايش استفاده شده براي شناساگرهاي منفي، قوانين مورد استفاده براي تطبيق آنتي ژنها با شناساگرهاي منفي و مکانيزم هاي توليد و حذف شناساگرهاي منفي توصيف مي شوند. در اکثر الگوريتمهاي انتخاب منفي، براي نمايش شناساگرهاي منفي و نمونههاي عادي از يکي از دو روش دودويي يا مقدار حقيقي استفاده مي شود(گلدزبي و همکاران ، 2009).
در نمايش مقدار حقيقي هر نمونه داده به عنوان يک بردار از اعداد حقيقي کد مي شود. فضاي نمايش (عادي و غير عادي )، U، متناظر با زير مجموعه اي از Rnاست. تنها نمونههاي داده از يک کلاس براي نمايش فضاي عادي در نظر گرفته مي شوند. بر اين اساس نمونههاي مجموعه عادي به گونهاي در نظر گرفته مي شود که همه نقاط در داخل يک فاصله معين از نقطه نمونه را نيز شامل مي شود. نسخه هاي مختلفي از الگوريتم انتخاب منفي مقدار حقيقي (RNS) پيشنهاد شده است.
داسکوپتا93و گونزالس94(2002) رويکردي تصادفي بر اساس انتگرال‌گيري مونت کارلو براي توليد شناساگرهاي منفي پيشنهاد داده‌اند. در اين رويکرد فرض شده است که همه شناساگرها اندازه و شکل يکساني دارند. هر شناساگر توسط يک فراکره با شعاع ثابت در فضاي n بعدي در نظر گرفته مي شود. در گام اول ، انتگرالگيري مونت کارلو براي تخمين حجم فضاي عادي استفاده شده است و سپس حجم فضاي غير عادي بر اساس رابط Vnonself =VU -Vself محاسبه شده و در نهايت تعداد نسبتا دقيق شناساگرهاي منفي مورد نياز براي پوشش فضاي غير عادي تخمين زده مي شود. در گام دوم ، گداختگي شبيه سازي شده براي توزيع بهينه شناساگرها در فضاي غير عادي استفاده مي شود. درشکل2-3 نحوه توليد شناساگرهاي منفي فراکره اي با استفاده از رويکرد گداختگي شبيه سازي شده نمايش داده ميشود.
شکل 2-3: توليد شناساگرهاي منفي با استفاده از رويکرد گداختگي شبيه سازي شده(داسکوپتا و گونزالس ، 2002).

بلاچاندران95 و همکاران (2007)، الگوريتم ژنتيک را براي ايجاد مجموعه اي از قوانين (يا شناساگرهاي مکعبي) براي پوشش فضاي غير عادي استفاده کرده اند. مجموعه ? s?[0,1]?^nبه عنوان مجموعه فضاي عادي در نظر گرفته ميشود. بر اين اساس يک نقطه داده به عنوان بردار ويژگي x = (x1,….xn) در فضاي ? [0,1]?^nدر نظر گرفته ميشود. خوب بودن يک قانون تشخيص بر اساس معيارهاي تعداد نمونه هاي مثبت (عادي) پوشش داده شده و حجمي از فضاي غير عادي پوشانده شده توسط آن اندازه گيري مي شود. هر شناساگر منفي به شکل زير نمايش داده خواهد شد.
(2-1)

R_i :if ?Cond?_i then nonself, for i=1,…,m

که condi = (X1,…,Xn)است و هر بعد از آن در بازه X_i?[?(?low?_j^i,&?high?_j^i )] تعريف مي شود. m تعداد قوانين تشخيص و n تعداد ابعاد اقليدسي در نظر گرفته شده است. بخش شرط هر قانون يک فرا مکعب را تعريف مي کند که الگوريتم تکاملي مجموعه اي از قوانين را ايجاد کرده که هر کروموزوم بخش شرط قانون را کد مي کند. بر اين اساس، در يک فضاي دو بعدي شناساگرها به شکل مستطيل تعريف ميشوند. در شکل 2-4 نحوه توليد قوانين (شناساگرهاي منفي ) با استفاده از الگوريتم ژنتيک نشان داده شده است.

شکل 2-4: توليد شناساگرهاي منفي با استفاده از GA(بلاچاندران و همکاران ،2007).

برازندگي قانون R به صورت زير تعريف مي شود :
(2-2)
fitness(R)=volume(R)-?

دیدگاهتان را بنویسید