Vaccination in ship immune system

• Autorzy: Praczyk T.

Warianty tytułu

PL

Zastosowanie szczepienia w Okrętowym Systemie Immunologicznym

• Języki publikacji: EN

Abstrakty

EN

The task of the ship immune system is to differentiate self objects, i.e., objects that are not dangerous for our ship, from other objects that can be a potential threat. To perform the task, the system makes use of a set of detectors. The detectors imitate signatures of non-self objects, however, to generate them the signatures of self objects are used. Real signatures of non-self objects are usually unobtainable and therefore they are not used to produce the system. However, situations sometimes happen when the information about non-self objects is accessible. In such a case, the information mentioned can be used to improve performance of the system. To test the ship immune system build based on signatures of both self and non-self objects, experiments were carried out. In the experiments, the task of the system was to differentiate self ship radio stations from non-self ones. Results of the experiments are presented at the end of the paper.

PL

Zadaniem okrętowego systemu immunologicznego jest rozróżnianie obiektów własnych, nie stanowiących zagrożenia dla okrętu, od obiektów obcych które mogą być dla niego groźne. Do realizacji powyższego zadania system wykorzystuje zbiór detektorów. Detektory imitują sygnatury obiektów obcych, a do ich tworzenia wykorzystywane są sygnatury obiektów własnych zapamiętane w systemie. Ponieważ sygnatury obiektów obcych są zazwyczaj niedostępne, nie są one wykorzystywane w procesie tworzenia detektorów. Występują jednak sytuacje kiedy informacja o obiektach obcych jest dostępna podczas tworzenia systemu. Informacja ta może być wykorzystana do poprawienia jego efektywności. Artykuł przedstawia dwie metody umożliwiające wykorzystanie informacji o obiektach obcych podczas tworzenia detektorów. Obie metody zostały sprawdzone eksperymentalnie. Wyniki eksperymentów zostały przedstawione na końcu artykułu.

Słowa kluczowe

EN

identification; artificial immune system

PL

identyfikacja obiektów; sztuczny system immunologiczny

• Wydawca: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Biuletyn Wojskowej Akademii Technicznej
• Rocznik: 2009
• Tom: Vol. 58, nr 3
• Strony: 367--378
• Opis fizyczny: Bibliogr. 10 poz., tab., wykr.

Twórcy

autor

Praczyk T.

• Polish Naval Academy, Śmidowicza 69 Str., Gdynia, Poland

Bibliografia

• [1] J. Balthrop, F. Esponda, S. Forrest, M. Glickman, Coverage and Generalization in Artificial Immune System, in Proc. Genetic Evolutionary Computation Conf., 2002.
• [2] P. D’haeseleer, S. Forrest, P. Helman, An Immunological Approach to Change Detection: Algorithms, Analysis and Implications, Scientific Literature Digital Library, http://citeseer.ist.psu.edu
• [3] F. Esponda, S. Forrest, P. Helman, A Formal Framework for Positive and Negative Detection Schemes, IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 34, 1, 2004, 357-373.
• [4] R. Hightower, S. Forrest, A. Perelson, The Baldwin Effect in the Immune System: Learning by Somatic Hypermutation, in: R. K. Belew and M. Mitchell, editors, Individual Plasticity in Evolving Populations: Models and Algorithms, Addison-Wesley, 1996, 159-167.
• [5] S. Hofmeyr, S. Forrest, A. Somayaji, Intrusion Detection using Sequences of System Calls, Scientific Literature Digital Library, http://citeseer.ist.psu.edu
• [6] S. Forrest, S. Hofmeyr, Immunology as Information Processing, Design Principles for Immune Systems and Other Distributed Autonomous Systems, eds. Oxford Univ. Press, 2000, 361-387.
• [7] T. Praczyk, Adaptation of r–contiguous - bits scheme borrowed from immune systems to characteristic points of radar image identification, Theoretical and Applied Informatics, vol. 19, 2007, 37-56.
• [8] T. Praczyk, The concept of the ship immune system, Annual of Navigation (in press).
• [9] T. Praczyk, Using real valued detectors in Ship Immune System, Computing and Informatics (in press).
• [10] D. F. Specht, Probabilistic neural networks, Neural Networks, vol. 3, Issue 1, 1990, 109-118.