計算機基礎學記錄了一系列基礎的計算機問題，包括網路安全、入侵檢測等。
基本介紹
- 中文名：計算機基礎學
- 外文名：Computer basic science
簡介,網路安全,風險檢測,數據挖掘和分析,
簡介
所謂“免疫”原由拉丁字“immunis”而來，其原意為“免除稅收”（exceptionfromcharges）， 也包含著“免於疫患”之意。免疫學是研究生物體對抗原物質免疫應答性及其方法的生物-醫學科學。免疫應答是機體對抗原刺激的反應，也是對抗原物質進行識別和排除的一種生物學過程。
免疫(Immunity)
紙機體識別和排除抗原異物，維持機體生理平衡和穩定的功能。
免疫學(Immunology)
研究機體免疫系統的組成(免疫器官、免疫細胞和免疫分子),識別(自己、異己)並消除(異己)有害生物(體外入侵，體內產生)及其成分的應答過程及機制的科學。
建立計算機免疫系統的基本問題是確立生物免疫系統和計算機免疫系統之間的基本元素對應關係，主要模擬生物免疫系統中有關抗原處理的核心思想。包括抗體的產生、自體耐受、克隆的擴增、免疫記憶等。
網路安全
病毒檢測
人工免疫理論的在病毒檢測中的基本原則是，把計算機系統背尋格（網路系統）去微看做“自體”，把病毒（或入侵）看做“非自體”或者“抗原”，與已知病毒相應的可以生成“抗體”，該抗體能夠識別“抗原”，“抗體”按照一定的算法進行變異和進化，可以實現免疫應答（即一次應答識別新“抗原”，二次應答識別舊“抗原”），並保持自適應性和自穩定性的特徵。所以說，基於人工免疫理論的反病毒方法能夠自適應識別新病毒。
國外套用
美國公司IBM是較早地把人工免疫理論套用到防治病毒的研究單位，他們提出的反病毒綜合方案[KEPH97A,KEPH97B]取得了巨大的成功。
國內套用
四川大學建立了,對算法進行了實現，並且做了仿真實驗，取得了較好的效果。
入侵檢測
入侵檢測（Intrusion Derection），顧名思義，是對入侵行為的發掘。他通過對計算機網路或計算系統中的若干關鍵點收集信息並對其進行分析，從發現網路或系統中是否有違反安全策略的行為和被打擊的對象
送整體上說，現有入侵方法檢測有著可擴展性、檢測效率墊熱槳等方面的嚴重不足
風險檢測
傳統的網路安全技術（如防火牆）主要基於被動防禦，對系統正在遭受的攻擊缺乏實時的網路安全風險檢測，更不能有針對性主動調整自己的防禦策略。實時的網路安全風險檢測對積極的網路安全技術的研究具有重要意義，是目前的研究熱點之一。
垃圾郵件處理
如何有效識別和及時攔截垃圾郵件成為當今網路安全技術領域的研究熱點。傳統的反垃圾郵件（Anti-spam）技術大多採用基於統計學習原理的Bayes方法。Bayes模型充分挖掘了已知樣本所包含的統計信息，因此其可信度得到了保證。但是對於未知樣本，特別是已有樣本的變異樣本的分類問題，基於Bayes模型的分類系統的執行效果往往不盡人意，因此，如同對計算機病毒晚滲辣店乃凳才白所採取的防範措施一樣，對於垃圾郵件這種隱蔽性強、變異能力突出的網路非法信息，必須採用具有自適嘗拘項應性和自學習能力的分類系統。而生物免疫原理則恰好為此提供了豐富的啟示。
數據挖掘和分析
數據挖掘從狹義上講就是信息處理問題，很多都屬於模式識別所研究的範疇。模式的分類和識別可以由分類器來實現。為葛愉微了設計分類器必須首先對分類器進行訓練。而人工免疫系統在訓練學習等方面具有其他系統無可比擬的優點，於是人們便開展了人工免疫系統套用於數據挖掘的研究。人工免疫系統作為一種新型智慧型系統，在數據挖掘中的套用剛剛起步，可以作為一種新的數據挖掘方法，來對資料庫、數據倉庫、文本、Web頁等進行數據挖掘，發現有用的知識。
機器學習
學習一般被認為是一個從經驗中獲取知識並把知識抽象化來解決新問題的過程。為了能夠學習，系統必須通過與外界環境的互動來調整自己，並且必須能夠維持（記憶）這種調整一段時間。機器學習是研究如何創造能夠從經驗中學習、同構學習改變自己行為和記住已學東西的系統。
2001年，Watkins提出了有限資源人工免疫分類器模型，稱作（Artifical Immune Recognition System），AIRS屬於有監督學習算法。
