Báo cáo khoa học: MIỄN DỊCH NHÂN TẠO VÀ ỨNG DỤNG doc

BÁO CÁO KHOA HỌC

Đề tài : HỆ MIỄN DỊCH NHÂN TẠO VÀ
ỨNG DỤNG













T¹p chÝ Khoa häc & C«ng nghÖ - Sè 2
(42)
/N¨m 2007



13
HỆ MIỄN DNCH NHÂN TẠO VÀ ỨNG DỤNG

Nguyễn Xuân Hoài (Học viện Kỹ thuật Quân sự) - Nguyễn Văn Trường (Trường ĐH Sư phạm - ĐH Thái Nguyên) -
Vũ Mạnh Xuân (Khoa KH Tự nhiên & Xã hội - ĐH Thái Nguyên)
1. GIỚI THIỆU
Trong sự phát triển của khoa học, nhiều lý thuyết mới đã được ra đời bằng cách quan sát
các hoạt động trong thế giới tự nhiên, phát minh vật lý của Niutơn gắn với hiện tượng quả táo rơi
là một ví dụ điển hình. Gần đây, máy tính được sử dụng như một công cụ để nghiên cứu các tiến
trình sinh học nhằm đạt được hiểu biết tốt hơn về chúng, cũng như mong muốn áp dụng các
nguyên tắc đã được hoàn thiện qua hàng triệu năm tiến hóa của tự nhiên vào giải quyết các bài
toán của cuộc sống. Các ý tưởng xuất phát từ sinh học đã làm xuất hiện một số lĩnh vực nghiên
cứu mới như: mạng nơron nhân tạo, mạng nơron tế bào, giải thuật di truyền, sự sống nhân tạo,
otômat tế bào, tin sinh học,… AIS là một cách tiếp cận của tin sinh học, đó là khái niệm chỉ các
hệ thống thông minh nhân tạo, giải quyết vấn đề dựa trên các nguyên lý, chức năng và mô hình
hoạt động của hệ miễn dịch của con người [10].
Giống như hệ miễn dịch sinh học, AIS có một số đặc trưng chính quan trọng như: chống
chịu nhiễu, học không có giám sát, ghi nhớ, phân tán và tự tổ chức. AIS được đánh giá như một
phương pháp tính toán mềm mới có hiệu quả. Phạm vi ứng dụng của AIS không chỉ đơn thuần
giới hạn ở các bài toán nhận dạng (lấy ý tưởng từ khả năng nhận biết và loại bỏ các phần tử có
hại của hệ miễn dịch sinh học), mà nó thực sự thu hút được sự chú ý của các nhà nghiên cứu
thông qua những ứng dụng trong các lĩnh vực như bảo mật và an toàn thông tin, học máy, robot
học, điều khiển học, tối ưu hóa, xử lý ảnh [8].
Bài báo này trình bày những nguyên lý cơ bản của hệ miễn dịch sinh học làm cơ sở cho
hệ miễn dịch nhân tạo, các ứng dụng chính của hệ miễn dịch nhân tạo và vài nét tổng quan về
tình hình nghiên cứu lĩnh vực này trong thời gian gần đây.
2. HỆ MIỄN DNCH SINH HỌC
Hệ miễn dịch sinh học là một hệ thống thích nghi có khả năng tự nhận dạng và tự tổ chức, bao
gồm nhiều bộ phận phân tán trong cơ thể nhằm giúp cho cơ thể chống lại những lây nhiễm của các vi
sinh vật bên ngoài. Nó bao gồm một kiến trúc phân tầng với cơ chế tự điều chỉnh và bảo vệ rộng khắp,
với hai tầng bảo vệ chính là: hệ thống miễn dịch bNm sinh và hệ thống miễn dịch thích nghi.

Hình 1. Cấu trúc đa tầng của hệ miễn dịch sinh học

T¹p chÝ Khoa häc & C«ng nghÖ - Sè 2
(42)
/N¨m 2007



14
Chức năng của hệ miễn dịch sinh học là nhận dạng tế bào và phân chia chúng thành hai
nhóm khác nhau: self (những tế bào của cơ thể tạo ra) và non-self (những tế bào lạ), đồng thời
loại bỏ các tế bào thuộc loại non-self.
Hệ miễn dịch bNm sinh chủ yếu dựa vào bạch cầu hạt và đại thực bào, còn hệ miễn dịch
thích nghi dựa vào tế bào lymphô (lymphocyte). Các tế bào lymphô được chia làm hai loại là B-
cell và T-cell, chúng có khả năng ghi nhớ, thích nghi, và mang những phần tử thụ cảm trên bề
mặt có khả năng nhận diện kháng nguyên (antigen). Vai trò chính của B-cell là sản sinh ra các
kháng thể (antibody) tương ứng với các tác nhân gây bệnh, còn chức năng chính của T-cell là
điều chỉnh các tế bào khác và tấn công trực tiếp các tế bào gây ra sự lây nhiễm trong cơ thể.
Khi có kháng nguyên xâm nhập vào cơ thể, các cơ quan thụ cảm trên bề mặt của lymphô
bào được kích hoạt và thực hiện quá trình nhân rộng, đột biến và tạo ra những kháng thể thích
hợp có khả năng nhận diện cũng như loại bỏ kháng nguyên. Một số lymphô bào sẽ trở thành tế
bào ghi nhớ và lưu thông trong cơ thể, sau đó, nếu có loại kháng nguyên tương tự lây nhiễm thì
hệ miễn dịch thích nghi có thể nhanh chóng phát hiện và loại bỏ chúng. Khả năng "tự hoàn
thiện" này của hệ miễn dịch giúp cơ thể không mắc lại những bệnh cũ.
Hệ miễn dịch sinh học bao gồm hơn 10
7

mạng miễn dịch con (immune sub-network) với các
nguyên tắc hoạt động rất phức tạp. Nó thực sự là một hệ thống hoạt động tin cậy, thống nhất, có khả
năng tính toán song song và phân tán. Xét theo quan điểm của khoa học máy tính, thì việc xây dựng
hệ thống tính toán mô phỏng hệ thống miễn dịch sinh học có rất nhiều ý nghĩa thực tiễn [1].
3. MÔ HÌNH CHUNG CHO AIS

Có ba yếu tố cơ bản để thiết kế AIS, đó là: biểu diễn mô hình trừu tượng cho các thành
phần của hệ miễn dịch gồm tế bào, phân tử và các phần tử miễn dịch; một tập các hàm xác định
độ thích hợp để định lượng sự tương tác của các phần tử; một tập các thuật toán để điều khiển
tính động của hệ thống.









Hình 2. Cấu trúc phân tầng của AIS
AIS có cấu trúc phân tầng, tầng đầu tiên là lĩnh vực ứng dụng, nó có vai trò quyết định
đến các thành phần hệ thống cũng cách biểu diễn và thao tác trên các thành phần đó. Tầng thứ
hai liên quan đến biểu diễn các thành phần của hệ thống mà quan trọng nhất là kháng thể và
kháng nguyên. Tầng thứ ba là các phương pháp đánh giá độ thích hợp: thông thường sử dụng độ
đo khoảng cách Hamming, Euclid và Mahattan. Tầng thứ tư liên quan đến các thuật toán miễn
dịch: thuật toán chọn lọc tích cực, thuật toán chọn lọc tiêu cực, thuật toán chọn lọc clôn, thuật
T¹p chÝ Khoa häc & C«ng nghÖ - Sè 2
(42)
/N¨m 2007



15
toán aiNet,… Tầng thứ năm là đưa ra lời giải cho bài toán: lời giải của bài toán sẽ được cập nhật
lại sau khi một quần thể mới được tạo ra và đưa ra kết quả cuối cùng khi đạt đến điều kiện kết
thúc nào đó, chẳng hạn như sau một số lần lặp nhất định [14].

4. CÁC LĨNH VỰC ỨNG DỤNG CỦA AIS
4.1 Điều khiển
AIS có thể giải quyết vấn đề về tính không chắc chắn và các phép biến đổi, do đó, nó là
một phương pháp mới để cải tiến chất lượng của các hệ thống điều khiển. Đặc biệt khi kết hợp
với mạng nơron và giải thuật di truyền, có thể xây dựng hệ thống có khả năng: lọc nhiễu, điều
khiển các thiết bị rất phức tạp, ra quyết định trong điều khiển robot (quyết định của robot được
coi như các kháng thể, còn tác động của môi trường là các kháng nguyên),
4.2 An ninh máy tính
Hai nội dung được quan tâm trong lĩnh vực này là chống các truy cập bất hợp pháp (ví dụ
từ các hacker, người dùng không đủ thNm quyền) và các mã có hại (ví dụ như virus, worm,
spyware). Các nguyên tắc phát hiện và loại bỏ vi sinh vật lây nhiễm của hệ miễn dịch sinh học
được áp dụng cho thiết kế hệ thống an ninh máy tính. Cách tiếp cận tự nhiên này cho phép xây
dựng các hệ phát hiện và phòng chống đột nhập (Intrusion Detetion System) có khả năng tự động phát
hiện, cảnh bảo sớm các truy cập bất hợp pháp. Phương pháp này đang được giới nghiên cứu và thực
hành về an ninh mạng xem là hướng có triển vọng nhất [10, 18, 19]. Hình vẽ dưới đây minh họa một
phép ánh xạ giữa các thành phần của hệ miễn dịch sinh học với kiến trúc của một hệ thống máy tính.
Bảng 1. Ánh xạ giữa các thành phần của hệ miễn dịch với kiến trúc của một máy chủ nhằm bảo vệ các
tiến trình hoạt động
Hệ miễn dịch Môi trường mạng
Tế bào Tiến trình hoạt động trong một máy tính
Cơ quan đa bào Máy tính chạy đa tiến trình
Số lượng cơ quan Các máy tính trong mạng
Da và hệ miễn dịch bNm sinh Mật khNu, quyền truy cập file, truy cập nhóm người dùng,…
Hệ miễn dịch thích nghi Một tiến trình có khả năng kiểm soát các tiến trình khác để phát hiện bất thường
Đáp ứng tự miễn dịch Chuông cảnh báo
Self Ứng xử bình thường
Nonself Ứng xử bất thường
4.3 Phát hiện lỗi
Lý thuyết mạng miễn dịch đã được sử dụng để xây dựng các cơ chế phát hiện lỗi. Một số
ứng dụng chính bao gồm: phát hiện và chNn đoán lỗi của các bộ cảm biến , công cụ cắt gọt, máy

công cụ, phần cứng, phần mềm.
4.4 Phát hiện bất thường trong hệ thống
AIS có thể sử dụng để giải bài toán phát hiện bất thường trong các chuỗi thời gian, trong
phân đoạn ảnh hay kiểm tra ảnh bằng kỹ thuật xây dựng tập bộ dò (detector set). Các mẫu chuNn
T¹p chÝ Khoa häc & C«ng nghÖ - Sè 2
(42)
/N¨m 2007



16
của hệ thống được coi là self, còn trong dữ liệu quan sát thì những thay đổi bất thường vượt
ngưỡng cho phép được coi là non-self.
4.5 Tối ưu hóa
Các phương pháp của hệ miễn dịch được kết hợp với giải thuật di truyền, mạng nơron để
giải quyết nhiều bài toán tối ưu để tăng cường khả năng hội tụ của thuật toán, duy trì tính đa
dạng của quần thể, quản lý các ràng buộc.
4.6 Khai phá dữ liệu
AIS là một phương pháp hiệu quả có thể dùng cho nhận dạng dữ liệu. Một số áp dụng
như: phân lớp các DNA dùng trong sinh học, loại bỏ dữ liệu dư thừa, giám sát bệnh truyền
nhiễm, phân tích dữ liệu y học,…
Ngoài ra, AIS cũng được áp dụng trong một số lĩnh vực khác như: học máy, rôbot học,
lập lịch, ghi nhớ kết hợp, sinh thái học, hệ sản xuất (production system), ngôi nhà thông minh,
phỏng đoán cấu trúc protein, trung hòa nhiễu thích nghi (adaptive noise neutralization) [10].
5. TÌNH HÌNH NGHIÊN CỨU AIS TRONG THỜI GIAN QUA
Những nghiên cứu sớm nhất về AIS được tiến hành vào cuối những năm 80 của thế kỷ
trước, nhưng phải đến mười năm sau đó AIS mới thực sự thu hút được sự chú ý của các nhà
nghiên cứu. Hiện nay, hàng năm trên thế giới người ta thường tổ chức hội nghị quốc tế về AIS
(dưới sự bảo trợ của Viện công nghệ điện - điện tử Hoa kỳ - IEEE), các hội nghị lớn về tính toán
phỏng tiến hoá sinh học như CEC, GECCO vẫn luôn giành những phiên đặc biệt chuyên về AIS.

Chỉ tính riêng 9 tháng đầu năm 2006, có đến 10 hội nghị quốc tế về AIS được tổ chức [13, 21].
Hiện nay, nghiên cứu về AIS của Mỹ và Trung Quốc là hai cộng đồng nghiên cứu mạnh
nhất, đặc biệt là ứng dụng các AIS trong an ninh máy tính. Đã có một số AIS ra đời và bắt đầu
được đưa vào thử nghiệm, điển hình như LYSIS (Trường đại học New Mexico, Hoa kỳ), CDIS
(Bộ quốc phòng Hoa kỳ) [9], COMUS [3] (Viện khoa học quốc gia Trung Quốc),
Tại Việt Nam, AIS vẫn là một lĩnh vực mới, hầu như chưa có cá nhân hay nhóm nghiên
cứu nào tiến hành các nghiên cứu hay ứng dụng các kết quả nghiên cứu về AIS. Một trong
những ngoại lệ là nhóm nghiên cứu NC (Natural Computation) thuộc khoa Công nghệ thông tin,
Học viện Kỹ thuật Quân sự. Trong năm 2006, nhóm nghiên cứu đã tiến hành một số nghiên cứu
về cơ sở lý thuyết của các AIS và ứng dụng trong giải các bài toán tối ưu. Nhóm nghiên cứu
cũng bước đầu tiến hành những nghiên một số hệ IDS mã nguồn mở như LYSIS, SNORT,
NESSUS, đồng thời đề xuất một số giải pháp nhằm giải quyết một số vấn đề mà các AIS-IDS
đang gặp phải nhằm làm giảm kích thước không gian kháng thể, đồng thời tạo điều kiện cho các
phép khớp (match) nhận dạng kháng thể – kháng nguyên nhanh chóng và chính xác hơn [13, 14].
6. XU HƯỚNG NGHIÊN CỨU AIS TRONG THỜI GIAN TỚI
Do tiềm năng mở rộng phạm vi áp dụng trong nhiều lĩnh vực của cuộc sống nên AIS
ngày càng thu hút được sự chú ý của các nhà nghiên cứu khoa học [16, 18]. Những nghiên cứu
trong thời gian tới về AIS vẫn bao gồm cả lý thuyết và thực nghiệm, cả cơ bản và ứng dụng bao
gồm các hướng sau:
T¹p chÝ Khoa häc & C«ng nghÖ - Sè 2
(42)
/N¨m 2007



17
- Cải tiến và mở rộng hệ AIS: cải tiến các thuật toán đã có; kết hợp AIS với giải thuật di
truyền, với mạng nơron nhân tạo hay logic mờ để xây dựng dựng các hệ AIS lai (hybrid AIS) với
hiệu suất và khả năng ứng dụng tốt hơn.
- Tạo nên AIS mới: xây dựng thuật toán mới, khai thác thêm các ý tưởng mới có nguồn gốc từ

hệ miễn dịch sinh học.
- Áp dụng AIS đối với một số lĩnh vực mới như các hệ thống với khả năng tiến hóa và tự tổ
chức (evolution with self-organization), phát hiện phần tử ngoại lai trong phân tích dữ liệu, hệ
thống phòng chống đột nhập hiệu quả,
- Mở rộng mô hình thiết kế AIS: nghiên cứu thêm các không gian hình dạng để biểu diễn cho các
thành phần của AIS, xây dựng hàm đánh giá mới, bổ sung tính chất cho các thuật toán miễn dịch.
7. KẾT LUẬN
Bài báo đã giới thiệu những vấn đề cơ bản nhất, mô hình và cấu trúc của AIS, giới thiệu
một số kết quả đã đạt được trong những năm gần đây ở trong nước và trên thế giới và xu hướng
phát triển AIS trong thời gian tới.
Với một phạm vi ứng dụng lớn cũng như nhiều khía cạnh của miễn dịch học chưa được
khai thác triệt để, cho thấy việc nghiên cứu và ứng dụng kỹ thuật AIS tại Việt Nam là cần thiết
và có ý nghĩa thực tiễn, đặc biệt là trong lĩnh vực an ninh máy tính 
Tóm tắt
Lĩnh vực của hệ miễn dịch nhân tạo liên quan đến nghiên cứu và phát triển các mức tính
toán trừu tượng của hệ miễn dịch sinh học. Bài báo này trình bày tổng quan về lý thuyết hệ miễn
dịch sinh học, mô hình tổng quát cho AIS và những ứng dụng của AIS. Ngoài ra, một số kết quả
nghiên cứu gần đây cũng như xu hướng nghiên cứu trong tương lai cũng được đề cập.
Summary
The field of Artificial Immune Systems (AIS) concerns studies and development of
computationally interesting abstraction levels of the biology immune system. This paper presents
an overview of biology immune system theory, general AIS model, and applications of AIS.
Besides, recent research achievements and future research trend in these areas are also given in the
paper.
Tài liệu tham khảo
[1] A. Somayaji, S. Hofmeyr, and S. Forrest.(1998) Principles of a Computer Immune System. 1997 New
Security Paradigms Workshop, 75-82, .
[2] C. Kruegel et al.(2005), Intrusion Detection and Correlation: Challenges and Solutions, Springer-
Verlag.
[3] D. Feng (2006), The Design of an Artificial Immune System, in Proceedings of IEEE International

Conference on Networking, International Conference on Systems and International Conference on
Mobile Communications and Learning Technologies (ICNICONSMCL).
T¹p chÝ Khoa häc & C«ng nghÖ - Sè 2
(42)
/N¨m 2007



18
[4] D. D. Capite (2006), Self-Defending Networks: The Next Generation of Network Security, Cisco Press,
[5] Dennis L. Chao and Stephanie Forrest (2002), Information Immune Systems, in Proceedings of The
First International Conference on Artificial Immune Systems (ICARIS), University of Kent at Canterbury,
UK, September.
[6] Dipankar Dasgupta, Nii Attoh-Okine (1996), Immunity-Based Systems: A Survey, in Pro. Of the
ICMAS workshop on Immunity-Based Systems, Japan, December.
[7] E. Carter and J. Hogue (2006), Intrusion Prevention Fundamentals, Cisco Press, .
[8] F. Liu, Q. Wang and X. Gao (2006), Survey of Artificial Immune System, in Proceedings of The First
IEEE International Symposium on Systems and Control in Aerospace and Astronautics, 985-989.
[9] K.P. Anchor et al.(2002), The Computer Defense Immune System: Current and Future Research in
Intrusion Detection, in The Proceedings of The IEEE Congress on Evolutionary Computation (CEC’02),
1027-1032.
[10] L. N de Castro and J. Timmis (2002), Artificial Immune Systems: A New Computational Intlligence
Approach, Springer-Verlag
[11] L. Sompayrac (2003), How the Immune System Work, Blackwell Publishing.
[12] N. Archibald et al. (2005), Nessus, Snort, & Ethereal Power Tools, Syngress Publishing.
[13] Nguyễn Xuân Hoài (2006), Thuyết Minh Đề Nghiên cứu Cơ bản trong Khoa học Tự nhiên: “Nghiên
cứu giải quyết một số vấn đề trong lập trình Gene và Hệ miễn dịch nhân tạo”, mã số đề tài: 203106.
[14] Phạm Văn Việt (2003), Nghiên cứu, phát triển và ứng dụng hệ miễn dịch nhân tạo trong việc giải
các bài toán tối ưu, Luận văn thạc sĩ kỹ thuật, Học viện kỹ thuật quân sự, 2006.
[15] R. Rehman, Intrusion Detection with SNORT, Prentice Hall.

[16] Simon M.Garrett (2005), How Do We Evaluate Artificial Immune Systems?, Evolutionary
Computation, 13(2): 145-178.
[17] S. Northcutt & J. Novak (2003), Network Intrusion Detection, SAMS.
[18] U. Aickelin, J. Greensmith and J. Twycross (2004), Immune System Approaches to Intrusion
Detection - A Review, in The Proceedings of the Third International Conference on Artificial Immune
Systems, LNCS 3239, 316-329.
[19] T. Lin et al. (2006) Research on The Network Intrusion Detection Based on The Immune System, in
Proceedings of the Fifth IEEE International Conference on Machine Learning and Cybernetics, 4479-4482.
[20]
[21]
[22]