免疫進化理論課件

1、免疫進化理論的研究主要內(nèi)容 研究背景與現(xiàn)狀 免疫進化算法 免疫神經(jīng)網(wǎng)絡(luò) 計算機免疫安全系統(tǒng)探索研究背景在生物科學(xué)領(lǐng)域，人們對進化、遺傳和免疫等自然 現(xiàn)象已經(jīng)進行了廣泛而深入的研究 ；進化算法是建立在模仿生物遺傳與自然選擇基礎(chǔ)上的一種并行優(yōu)化算法，其性能優(yōu)異、應(yīng)用廣泛；進化算子在為每個個體提供了進化機會的同時，也無可避免地產(chǎn)生了退化的可能；大多數(shù)待求問題有可以利用的先驗知識或特征信息，故可以利用這些信息來抑制進化過程中的退化現(xiàn)象；生物免疫理論為改進原有算法的性能，建立集進化與免疫機制于一體的新型全局并行算法奠定了基礎(chǔ)。Artificial Immune SystemAIS人工智能信息處理系統(tǒng)的研

2、究腦神經(jīng)系統(tǒng)（神經(jīng)網(wǎng)絡(luò)）遺傳系統(tǒng)（進化計算）免疫系統(tǒng)（人工免疫系統(tǒng)）一門新興的研究領(lǐng)域AIS的研究歷史Farmer等人在1986年首先在工程領(lǐng)域提出免疫概念Varela等人受免疫網(wǎng)絡(luò)學(xué)說的啟發(fā)，提出并進而完善免疫網(wǎng)絡(luò)模型。 免疫學(xué)習(xí)算法AIS的研究現(xiàn)狀之二反面選擇算法（Forrest）免疫學(xué)習(xí)算法（Hunt&Cooke）免疫遺傳算法（Chun）免疫Agent算法（Ishida）免疫網(wǎng)絡(luò)調(diào)節(jié)算法（Wang&Cao）免疫進化算法（Jiao&Wang） 國際研究AIS的研究現(xiàn)狀之三1996年，日本，基于免疫性系統(tǒng)的國際專題討論會，提出并確認人工免疫系統(tǒng)（AIS）的概念；1997年，IEEE的SMC組

3、織專門成立了人工免疫系統(tǒng)及應(yīng)用的分會組織；目前，幾乎所有有關(guān)人工智能領(lǐng)域的學(xué)術(shù)會議都收錄AIS方面的論文。AIS在控制領(lǐng)域中的應(yīng)用PID型免疫反饋控制器（ Takahashi ）機器人控制（ Mitsumoto, Ishiguro, Lee）控制系統(tǒng)的設(shè)計（ Ishida ）復(fù)雜動態(tài)行為建模和自適應(yīng)控制（Kumak）倒擺的控制（ Bersini ）AIS在故障診斷中的應(yīng)用基于相關(guān)識別特性的免疫網(wǎng)絡(luò)模型用于故障診斷的方法（Ishida）；通過構(gòu)造大規(guī)模獨特型免疫網(wǎng)絡(luò)來建立用于在線服務(wù)的故障診斷系統(tǒng)（Ishiguru）。AIS在模式識別中的應(yīng)用Hunt等人開發(fā)了一種具有學(xué)習(xí)能力的人工免疫系統(tǒng)并用于

4、模式識別。AIS在優(yōu)化設(shè)計中的應(yīng)用永磁同步電動機的參數(shù)修正的優(yōu)化設(shè)計電磁設(shè)備的外形優(yōu)化VLSI印刷線路板的布線優(yōu)化設(shè)計函數(shù)測試旅行商問題的求解約束搜索優(yōu)化問題和多判據(jù)設(shè)計問題AIS在網(wǎng)絡(luò)安全的應(yīng)用數(shù)據(jù)檢測（Forrest ）病毒檢測（ Kephart）UNIX過程監(jiān)控（ Forrest）國際研究新動向之二基于最新發(fā)展的免疫網(wǎng)絡(luò)學(xué)說進一步建立并完善模糊、神經(jīng)和其它一些專有類型的人工免疫網(wǎng)絡(luò)模型及其應(yīng)用方法。國際研究新動向之三將人工免疫系統(tǒng)與遺傳系統(tǒng)的機理相互結(jié)合，并歸納出各種免疫學(xué)習(xí)算法。比如：免疫系統(tǒng)的多樣性遺傳機理和細胞選擇機理可用于改善原遺傳算法中對局部搜索問題不是很有效的情況；獨特型網(wǎng)絡(luò)

5、機理可用于免疫系統(tǒng)中的遺傳部分以避免系統(tǒng)出現(xiàn)早熟現(xiàn)象；發(fā)展用于處理受約束的遺傳搜索和多準則問題的免疫學(xué)習(xí)算法等。國際研究新動向之四基于免疫反饋和學(xué)習(xí)機理，設(shè)計自調(diào)整、自組織和自學(xué)習(xí)的免疫反饋控制器。展開對基于免疫反饋機理的控制系統(tǒng)的設(shè)計方法和應(yīng)用研究，這有可能成為工程領(lǐng)域中種新型的智能控制系統(tǒng)，具有重要的理論意義與廣泛的應(yīng)用前景。國際研究新動向之五進一步研究基于免疫系統(tǒng)機理的分布式自治系統(tǒng)。分布式免疫自治系統(tǒng)在智能計算、系統(tǒng)科學(xué)和經(jīng)濟領(lǐng)域?qū)袕V闊的應(yīng)用前景。國際研究新動向之六發(fā)展基于DNA編碼的人工免疫系統(tǒng)以及基于DNA計算的免疫算法。嘗試將DNA計算模型引入人工免疫系統(tǒng)中，研究一種基于DN

6、A計算與AIS相結(jié)合的，有較強抗干擾能力和穩(wěn)定性能的智能系統(tǒng)。國際研究新動向之七近年來有學(xué)者已開始研究B細胞抗體網(wǎng)絡(luò)的振蕩、混濁和穩(wěn)態(tài)等非線性特性61，不過其工作才剛剛開始。人們應(yīng)進一步借助非線性的研究方法來研究免疫系統(tǒng)的非線性行為，拓寬非線性科學(xué)的研究范圍。免疫進化算法的研究第一部分生物免疫的啟示在生物自然界中，免疫現(xiàn)象普遍存在，并對物種的 生存與繁衍 發(fā)揮著重要的作用；生物的免疫功能主要是由參與免疫反應(yīng)的細胞或由其構(gòu)成的器官來完成的；生物免疫主要有兩種類型： 特異性免疫（Specific Immunity）， 非特異性免疫反應(yīng)（Nonspecific Immunity）；生物免疫系統(tǒng)是通過

7、自我識別、相互刺激與制約而構(gòu)成了一個 動態(tài)平衡的網(wǎng)絡(luò)結(jié)構(gòu) 。免疫系統(tǒng)的主要功能 免疫防御即機體防御病原微生物的感染； 免疫（自身）穩(wěn)定即機體通過免疫功能經(jīng)常消除那些損傷和衰老的細胞以維持機體的生理平衡； 免疫監(jiān)視即機體通過免疫功能防止或消除體內(nèi)細胞在新陳代謝過程中發(fā)生突變的和異常的細胞。免疫系統(tǒng)的主要特點免疫識別免疫應(yīng)答免疫耐受免疫記憶免疫調(diào)節(jié)算法研究生物學(xué)概念與理論方法：工程計算方法進化免疫傳統(tǒng)進化算法是在一定發(fā)生概率的條件下，隨機地、沒有指導(dǎo)地迭代搜索，因此它們在為群體中的個體提供了進化機會的同時，也無可避免地產(chǎn)生了退化的可能。每一個待求的實際問題都會有自身一些基本的、顯而易見的特征信息或

8、知識。然而進化算法中的交叉和變異算子在求解問題時，操作的可變程度較小?；靖拍钊旧w表示待求問題的解的形式的一種數(shù)據(jù)結(jié)構(gòu)。基因構(gòu)成染色體的最基本的數(shù)據(jù)單位。個體具有某類染色體結(jié)構(gòu)的一種特例?；靖拍羁乖锌赡苠e誤的基因，即非最佳個體的基因。疫苗根據(jù)進化環(huán)境或待求問題的先驗知識，所得到的對最佳個體基因的估計?？贵w 根據(jù)疫苗修正某個個體的基因所得到的新個體。免疫算子有兩種類型：全免疫 非特異性免疫目標免疫 特異性免疫免疫思想的實現(xiàn) 免疫算子即：群體中的每個個體在進化算子作用后，對其每一環(huán)節(jié)都進行一次免疫操作的免疫類型；即：在進行了進化操作后，經(jīng)過一定的判斷，個體僅在作用點處發(fā)生免疫反應(yīng)的一種類型

9、。免疫操作的基本過程首先，對待求求問題進行具體分析，從中提取出 最基本的特征信息； 其次，對此特征信息進行處理，以將其轉(zhuǎn)化為求解問題的一種方案；最后，將此方案以適當?shù)男问睫D(zhuǎn)化成 免疫算子 以實施具體的操作。免疫算子 算法中的免疫思想主要是在合理提取疫苗的基礎(chǔ)上，通過免疫算子來實現(xiàn)的；免疫算子由 接種疫苗 和 免疫選擇 兩個操作完成的。The Immune operator為了防止群體的退化。為了提高個體的適應(yīng)度。設(shè)個體x，給其接種疫苗是指按照先驗知識來修改x的某些基因位上的基因或其分量，使所得個體以較大的概率具有更高的適應(yīng)度。疫苗 是從先驗知識中提煉出來的，它所含的信息量及其準確性對算法性能的

10、發(fā)揮起著重要的作用。免疫算子接種疫苗之這一操作一般分兩步完成：第一步是 免疫檢測 ，即對接種了疫苗的個體進行檢測，若其適應(yīng)度仍不如父代，則該個體將被父代中所對應(yīng)的個體所取代；第二步是 退火選擇 ，即在目前的子代群體中以右邊所示概率免疫算子免疫檢測之選擇個體進入新的父代群體。在免疫策略中，僅有免疫檢測而沒有退火選擇。體系結(jié)構(gòu)免疫算法免疫規(guī)劃免疫策略 免疫算法隨機產(chǎn)生初始父代種群A1 ，根據(jù)先驗知識抽取疫苗；若當前群體中包含最佳個體，則算法停止運行并輸出結(jié)果；否則，繼續(xù)；對當前第k代父本種群Ak進行交叉操作，得到種群Bk；對Bk進行變異操作，得到種群Ck；對Ck進行接種疫苗操作，得到種群Dk；對D

11、k進行免疫選擇操作，得到新一代父本Ak+1，轉(zhuǎn)至第二步。Immune Algorithm-IA免疫算法的收斂性狀態(tài)轉(zhuǎn)移過程示意圖：定 理：免疫算法是收斂的。定 義：如果對于任意的初始分布均有則稱算法收斂。初始化：首先，根據(jù)要求確定解的精度；其次，隨機產(chǎn)生N個個體，并由此構(gòu)成初始的父代種群A0；根據(jù)先驗知識抽取疫苗H；計算當前種群Ak的個體適應(yīng)度，并進行停機條件的判斷。若條件滿足，則停止運行并輸出結(jié)果；否則繼續(xù)；對當前的父代群體Ak進行變異操作，生成子代群體Bk；對群體Bk進行接種疫苗操作，得到種群Ck；對群體Ck進行免疫選擇操作，得到新一代父本Ak+1，并轉(zhuǎn)至第三步。免疫規(guī)劃Immune Pr

12、ogramming-IP免疫規(guī)劃的收斂性狀態(tài)轉(zhuǎn)移過程示意圖：定 理：免疫規(guī)劃是收斂的。定 義：如果對于任意的初始分布均有則稱算法收斂。免疫策略根據(jù)要求確定解的精度，再根據(jù)先驗知識抽取疫苗H；隨機產(chǎn)生個個體作為初始的父本群體；交叉：產(chǎn)生由父代和子代構(gòu)成的規(guī)模為2的中間群體；變異：對每一個個體進行變異將得到一個新的個體；免疫：首先按照對問題的先驗知識修改個體(x,)的某些分量；然后對群體中注射了疫苗的個體進行檢測；選擇：從規(guī)模為2的群體中按適應(yīng)度的大小取出前個個體作為新一代父本的群體；停機條件檢測。Immune Strategy-IS免疫策略的收斂性狀態(tài)轉(zhuǎn)移過程示意圖：定 理：免疫策略是收斂的。定

13、 義：如果對于任意的初始分布均有則稱算法收斂。免疫算子的機理在免疫選擇作用下，若疫苗使抗體適應(yīng)度得到提高，且高于當前群體的平均適應(yīng)度，則疫苗所對應(yīng)的模式將在群體中呈指數(shù)級擴散；否則，它將被遏制或呈指數(shù)級衰減。定 理：Begin:抽取疫苗： 分析待求問題，搜集特征信息； 依據(jù)特征信息估計特定基因位上的模式: ；k = 0 and j = 0；while (Conditions = True) if PV=True, then j = j +1； i = 0； for (in) 接種疫苗： ； 免疫檢驗：if , then ; else ； i = i +1； 退火選擇： ； k = k+1；En

14、d免疫算子的執(zhí)行算法具體分析待求問題，搜集特征信息。免疫疫苗的選取方法通用方法之一以TSP問題為例，通過具體分析可以得出相鄰兩兩城市之間的最短路徑即為求解該問題時可以利用的一種疫苗。TSP問題的描述TSP問題是旅行商問題的簡稱。即一個商人從某一城市出發(fā)，要遍歷所有目標城市，其中每個城市必須而且只須訪問一次。所要研究的問題是在所有可能的路徑中尋找一條路程最短的路線。該問題是一個典型的NP問題，即隨著規(guī)模的增加，可行解的數(shù)目將做指數(shù)級增長。TSP問題的分析設(shè)所有與城市Ai距離最近的城市為Aj,進行一次如虛線所示的調(diào)整后,多數(shù)情況下， l3較aj-1 + aj的減少量要大于l1 + l2較ai的增加

15、量。故：Begin:while (Conditions = True) 統(tǒng)計父代群體，確定最佳個體：; 分解最佳個體，抽取免疫基因：; 執(zhí)行遺傳和免疫算子操作;end免疫疫苗的選取方法自適應(yīng)方法之二Begin:鄰近城市序列初始化：Neighbor(i) = random(1, n) , i =1, , n;最短子路徑的初始化：Sub_path(i) i =1, n;while (Conditions = True) for i = 1 to n 變異： Neighbor(i) = Floor(Gauss(Neighbor(i), 1 ) ) ; 選擇：if Distance(City_ i,

16、Neighbor(i) Min_distance(i) then Sub_path(i) = Neighbor(i); Min_distance(i) = Distance(City_ i, Neighbor(i); end endend免疫疫苗的選取方法進化規(guī)劃方法之三仿真實驗基于IA的TSP求解之一a. 免疫抗體b. 最優(yōu)化路徑75城市的TSP問題免疫優(yōu)化仿真示意圖子代適應(yīng)度值隨進化過程的變化曲線a 通用遺傳算法計算曲線b 免疫算法計算曲線仿真實驗基于IS的TSP求解之二a. 免疫疫苗示意圖 b. 最優(yōu)路徑示意圖442城市的TSP問題免疫優(yōu)化仿真示意圖子代適應(yīng)度值隨進化過程的變化曲線a (

17、,2 )-ES計算曲線 b ( ,2 )-IS 計算曲線仿真實驗基于IE的函數(shù)優(yōu)化之三問題: 在(0,1)內(nèi)尋找 xmax使下式成立:接受正常免疫疫苗時的計算曲線(a) 基于EP的進化過程中個體分布圖;(b) 基于IP的進化過程中個體分布圖(c) EP和IP所求得的最佳適應(yīng)度對比圖(d) EP和IP所求得的平均適應(yīng)度對比圖免疫疫苗為 時的計算曲線(a) 基于EP的進化過程中個體分布圖;(b) 基于IP的進化過程中個體分布圖(c) EP和IP所求得的最佳適應(yīng)度對比圖(d) EP和IP所求得的平均適應(yīng)度對比圖免疫神經(jīng)網(wǎng)絡(luò)的研究第二部分自然免疫網(wǎng)絡(luò) 生物學(xué)免疫網(wǎng)絡(luò)原型： Jerne: 免疫系統(tǒng)是通過

18、自我識別和相互刺激與約束而構(gòu)成的一個動態(tài)平衡的網(wǎng)絡(luò)結(jié)構(gòu)。 免疫應(yīng)答 ( 免疫耐受與記憶 ); Varela 的免疫網(wǎng)絡(luò)模型：系統(tǒng)的動力學(xué)部分；系統(tǒng)的元動力學(xué)部分；系統(tǒng)的免疫恢復(fù)機制(IRM).免疫神經(jīng)網(wǎng)絡(luò)的生物學(xué)特征一個完整的神經(jīng)元由細胞體、樹突、軸突、突觸和神經(jīng)末梢等幾大部分構(gòu)成，其中細胞體是神經(jīng)元的主體。人的腦系統(tǒng)大約由1011個神經(jīng)元組成。這些神經(jīng)元雖然在物理結(jié)構(gòu)上是基本一致的，但其功能和在系統(tǒng)中所發(fā)揮的作用是有明顯差別的。 生物免疫系統(tǒng)具有記憶功能以及自學(xué)習(xí)、自組織和自適應(yīng)的能力。人工免疫神經(jīng)網(wǎng)絡(luò)的研究已有人工神經(jīng)網(wǎng)絡(luò)的特點。利用先驗知識改進人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的嘗試： Stork，199

19、2年，奇偶校驗問題。 Kryghyak，1993年，奇偶校驗問題。 吳佑壽，1996年，奇偶校驗和對稱性校驗的 問題。一種免疫神經(jīng)網(wǎng)絡(luò)模型免疫神經(jīng)網(wǎng)絡(luò)中激勵函數(shù)的選取方法分析待求問題的過程，搜集特征信息，再根據(jù)先驗知識找出輸入變量之間的相互約束關(guān)系；設(shè)計激勵單元的基本類型。即根據(jù)上述約束關(guān)系，選取一種適當?shù)暮写▍?shù)的函數(shù)族；根據(jù)第步所提取的疫苗填充疫苗接種單元；選取一種網(wǎng)絡(luò)學(xué)習(xí)算法，如LMS和改進的BP算法等，利用訓(xùn)練樣本來修正網(wǎng)絡(luò)中的權(quán)值矩陣和閥值等相關(guān)參數(shù)。免疫神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)算法將激勵函數(shù)中的參數(shù)V當作網(wǎng)絡(luò)訓(xùn)練的目標之一；采用成批訓(xùn)練和添加動量項的方法來訓(xùn)練網(wǎng)絡(luò)權(quán)值和激勵函數(shù)中的參數(shù)

20、。免疫神經(jīng)網(wǎng)絡(luò)的設(shè)計實例雙螺旋線問題的求解設(shè)螺旋線的參數(shù)方程形式為：由此可得：雙螺旋線問題的求解設(shè)計激勵單元的基本類型：雙螺旋線問題的求解解決雙螺旋線的免疫神經(jīng)網(wǎng)絡(luò)的形式為：雙螺旋線問題的仿真結(jié)果帶有隨機干擾的兩類螺旋線：免疫進化子波網(wǎng)絡(luò)模型網(wǎng)絡(luò)方程：免疫進化子波網(wǎng)絡(luò)模型目標函數(shù)：子波函數(shù)的參數(shù)初始化確定一個母波函數(shù)以及對特定目標信號的伸縮、平移參數(shù)的取值范圍；利用免疫進化算法進行優(yōu)化搜索； 獲得一組有利于分類識別的信號子波特征。子波網(wǎng)絡(luò)的學(xué)習(xí)算法初始化。將任意選取n組權(quán)值以及初始化后的子波基參數(shù)做為初始群體；根據(jù)先驗知識抽取疫苗H。根據(jù)對問題的先驗知識或其應(yīng)用背景方面的特征信息，來確定個體在

21、某些基因上的取值特征或基因之間的相互制約關(guān)系，并以此做為待求問題的免疫疫苗，經(jīng)編碼處理后即可視為H；另一方面，若以上條件尚不具備，我們即可采用算法2來動態(tài)尋找H，并將該過程置于第4與第5步驟之間進行；學(xué)習(xí)算法（續(xù)）計算當前群體中所有個體的適應(yīng)度，并從中確定最佳個體，然后判斷停機條件是否滿足；對當前群體實施變異操作； 對當前群體實施接種疫苗操作； 對接種了疫苗的個體進行檢驗，并對所注射的疫苗做出評價；計算當前群體中所有個體的適應(yīng)度，并以此為根據(jù)在一定的選擇機制下，挑選出n個個體組成下一代進化的群體，然后轉(zhuǎn)至第3步。雙螺旋線問題的仿真結(jié)果帶有隨機干擾的兩類螺旋線：免疫理論的應(yīng)用研究第三部分計算機免

22、疫系統(tǒng)的研究計算機網(wǎng)絡(luò)模型示意圖 隨著現(xiàn)代計算機網(wǎng)絡(luò)技術(shù)和信息技術(shù)的高速發(fā)展，特別是Internet在全球領(lǐng)域的推廣，計算機信息系統(tǒng)的安全日漸突出； 從功能上分析，計算機（網(wǎng)絡(luò)）系統(tǒng)一般包括信息的傳輸與變換兩個方面。由于這兩方面對信息處理的目的不同，所以它們對安全性的要求也不一樣。就傳輸過程而言，系統(tǒng)要求防止外界自然因素對信息的影響和人為因素的監(jiān)聽、截獲和施擾；在對信息的轉(zhuǎn)換和處理過程中，主要預(yù)防黑客的入侵和病毒的破壞。計算機免疫系統(tǒng)的研究 先天免疫性 自適應(yīng)免疫性 信息發(fā)布的快速性 可測量性 安全與可靠性 用戶可控性免疫系統(tǒng)的設(shè)計原則信息傳輸免疫系統(tǒng)信息傳輸免疫系統(tǒng)示意圖信息傳輸免疫系統(tǒng)信息

23、序列的基帶信號：偽隨機信號：調(diào)制后發(fā)送信號：信息傳輸免疫系統(tǒng)接收段信號：經(jīng)偽隨機解調(diào)信號：經(jīng)過解調(diào)輸出的干擾信號總能量：信息處理免疫系統(tǒng)計算機人工免疫系統(tǒng)結(jié)構(gòu)示意圖終端層各單元的功能 病毒檢測 指在終端機或單獨的計算機上進行針對病毒代碼和信息異常變化的檢測，所采取的主要技術(shù)包括病毒特征碼的掃描技術(shù)和系統(tǒng)信息跟蹤技術(shù)； 獲取樣本病毒 在單機系統(tǒng)內(nèi)部散布一些“誘餌”程序并監(jiān)測其變化情況，將被改變程序中的相關(guān)代碼與已知病毒代碼進行比對處理，從中獲取相應(yīng)的、新的病毒樣本。這一過程即為后面即將介紹的誘餌算法的基本思路； 病毒清除 清除由病毒檢測過程和“誘餌”算法所查獲的新舊病毒，然后記錄操作情況并發(fā)出警

24、告； 信息修復(fù) 根據(jù)上一級免疫系統(tǒng)提供的修復(fù)程序?qū)Σ《酒茐牡男畔⑦M行自主式修復(fù)。局域?qū)痈鲉卧墓δ?系統(tǒng)監(jiān)控 系統(tǒng)隨時監(jiān)測本系統(tǒng)內(nèi)信息的變化情況，遇有異常跡象則釋放“誘餌”并跟蹤和記錄該信息的變化過程，以判斷其操作的合法性。 系統(tǒng)報警 當判斷信息的變化過程確屬異常或非法時，鎖定信息并向上一層或管理人員報警；另外，系統(tǒng)根據(jù)本層病毒特征提取的情況確定是否向下層發(fā)出新型病毒入侵的警報。 病毒特征提取 系統(tǒng)響應(yīng)下層上報的病毒報警信息，從病毒樣本中提取病毒代碼。然后將其與廣域?qū)拥牟《緮?shù)據(jù)庫進行對比，屬于新代碼則上傳給廣域?qū)舆M行病毒數(shù)據(jù)庫的更新。廣域?qū)痈鲉卧墓δ?系統(tǒng)信息發(fā)布 根據(jù)局域?qū)由蠄蟮男畔惓Ｗ?/p>

25、化警報，決定是否將其跟蹤和記錄變化過程的數(shù)據(jù)向下層發(fā)布；定期和不定期向下層發(fā)布新型病毒特征代碼和一些修復(fù)程序。 修復(fù)程序生成 根據(jù)信息遭受破壞的過程記錄及其特點，人為或自動地生成相應(yīng)的信息修復(fù)程序。 病毒數(shù)據(jù)庫更新 根據(jù)下層上報的病毒特征代碼更新當前的全局病毒數(shù)據(jù)庫（添補新型病毒代碼和刪除一些長期不用的代碼）。病毒監(jiān)測算法異常變化監(jiān)測算法廣域?qū)痈鲉卧墓δ?系統(tǒng)信息發(fā)布 根據(jù)局域?qū)由蠄蟮男畔惓Ｗ兓瘓?，決定是否將其跟蹤和記錄變化過程的數(shù)據(jù)向下層發(fā)布；定期和不定期向下層發(fā)布新型病毒特征代碼和一些修復(fù)程序。 修復(fù)程序生成 根據(jù)信息遭受破壞的過程記錄及其特點，人為或自動地生成相應(yīng)的信息修復(fù)程序。

26、病毒數(shù)據(jù)庫更新 根據(jù)下層上報的病毒特征代碼更新當前的全局病毒數(shù)據(jù)庫（添補新型病毒代碼和刪除一些長期不用的代碼）?；诿庖卟呗訰BF的多用戶監(jiān)測 CDMA系統(tǒng)相對于以前的TDMA和FDMA系統(tǒng)來說具有很多突出的優(yōu)點。 僅有時域處理能力的CDMA系統(tǒng)存在諸如遠近效應(yīng)、多址干擾等缺陷。 自適應(yīng)天線可以在空域方面進一步改善傳統(tǒng)CDMA系統(tǒng)的通信能力?？諘r信號模型用戶k 的基帶信號：用戶k 的特征波形：用戶k 的發(fā)送信號：空時信號模型多徑信號的基 帶沖激響應(yīng)：用戶k 經(jīng)第l條路徑到達天線陣列的方向向量：天線陣列所接收到的信號：空時二維接收機 一個空時二維處理器即為空時接收調(diào)制解調(diào)器，它同時對所有的天線工作，并在時間和空間兩個域處理所接收的信號。一個典型的空時匹配濾波器一般為兩極結(jié)構(gòu)。其中，前一級結(jié)構(gòu)主要用作對接收信號的時域匹配濾波；后級結(jié)構(gòu)則對時域處理過的信號再進行空域匹配濾波處理?？諘r信號模型信號經(jīng)時域匹配濾波處理后的中間結(jié)果為：經(jīng)空域匹配濾波處理：空時匹配濾波器的輸出：空時多用戶檢測器利用Cameron-Martin公式，我們可以將基于所有用戶數(shù)據(jù)b的對接收信號r(t)的似然函數(shù)寫成如下形式：其中：空時多用戶檢測器使似