改进的混沌否定选择算法.pdf

文档介绍：年 月
第 35 卷 第 11 期 计 算 机 工 程 2009 6 增殖率，可将 k(1-Ag(t)/Agmax)统一看作抗原增长率，当抗原

性等特点，因此，有必要建立基于免疫机制的网络安全体系。 浓度达到 Agmax 时，抗原不再增殖；k’表示细胞的死亡速率。
1994 年 Forrest 基于免疫系统中自体和非自体区分的原 通过式(1)来考察免疫系统的混沌特性。系统通过倍周期
则提出否定选择算法，但该方法计算开销大；2002 年 Castro 分岔进入混沌，其原来的有序结构并非完全消失，而是形成
和 Timmis 对否定选择算法做了一定的修改，把变异引入到算 无穷多个结构，显示出杂乱无章的混沌状态。但在混沌区内，
法之中，减少了生成候选检测器的数量，但削弱了系统的自 从大到小，一层一层具有彼此相似的结构互相套叠，从而形
适应性；2006 年 Zhang Nan 将混沌理论引入到否定选择算法 成“无穷嵌套的自相似结构”。分岔理论是常用的混沌判别
中，利用免疫系统的混沌特性，用混沌序列来模拟免疫细胞 准则之一。
[1]
的增殖方式，提高了检测器集的生成速度 ，该方法采用 对式(1)取初值 Ag(0)=，λ=k-k’的取值范围为 ~，
Logistic 映射产生混沌序列，但 Logistic 映射的折叠次数有限， 对 λ 和 Ag 作系统分岔图，如图 1 所示。
而且该方法进行实数序列到二值序列的离散化过程是线性
的，安全性较差。
本文采用自映射产生混沌序列，实验结果表明，自映射
具有更好的混沌特性，可有效提高检测器集的生成效率。同
时改进混沌二值序列产生方法，提高算法的安全性。
2 免疫系统的混沌特性
混沌是指发生在确定性系统中的貌似随机的不规则运
动，一个确定性理论描述的系统，其行为却表现为不确定
性——不可重复、不可预测，这就是混沌现象。