Hệ miễn dịch nhân tạo và ứng dụng

T¹p chÝ Khoa häc & C«ng nghÖ - Sè 2(42)/N¨m 2007<br /> <br /> HỆ MIỄN DNCH NHÂN TẠO VÀ ỨNG DỤNG<br /> 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)<br /> <br /> 1. GIỚI THIỆU<br /> Trong sự phát triển của khoa học, nhiều lý thuyết mới đã được ra đời bằng cách quan sát<br /> các hoạt động trong thế giới tự nhiên, phát minh vật lý của Niutơn gắn với hiện tượng quả táo rơi<br /> là một ví dụ điển hình. Gần đây, máy tính được sử dụng như một công cụ để nghiên cứu các tiến<br /> trình sinh học nhằm đạt được hiểu biết tốt hơn về chúng, cũng như mong muốn áp dụng các<br /> nguyên tắc đã được hoàn thiện qua hàng triệu năm tiến hóa của tự nhiên vào giải quyết các bài<br /> toán của cuộc sống. Các ý tưởng xuất phát từ sinh học đã làm xuất hiện một số lĩnh vực nghiên<br /> cứu mới như: mạng nơron nhân tạo, mạng nơron tế bào, giải thuật di truyền, sự sống nhân tạo,<br /> otômat tế bào, tin sinh học,… AIS là một cách tiếp cận của tin sinh học, đó là khái niệm chỉ các<br /> hệ thống thông minh nhân tạo, giải quyết vấn đề dựa trên các nguyên lý, chức năng và mô hình<br /> hoạt động của hệ miễn dịch của con người [10].<br /> Giống như hệ miễn dịch sinh học, AIS có một số đặc trưng chính quan trọng như: chống<br /> chịu nhiễu, học không có giám sát, ghi nhớ, phân tán và tự tổ chức. AIS được đánh giá như một<br /> phương pháp tính toán mềm mới có hiệu quả. Phạm vi ứng dụng của AIS không chỉ đơn thuần<br /> giới hạn ở các bài toán nhận dạng (lấy ý tưởng từ khả năng nhận biết và loại bỏ các phần tử có<br /> hại của hệ miễn dịch sinh học), mà nó thực sự thu hút được sự chú ý của các nhà nghiên cứu<br /> thông qua những ứng dụng trong các lĩnh vực như bảo mật và an toàn thông tin, học máy, robot<br /> học, điều khiển học, tối ưu hóa, xử lý ảnh [8].<br /> Bài báo này trình bày những nguyên lý cơ bản của hệ miễn dịch sinh học làm cơ sở cho<br /> hệ miễn dịch nhân tạo, các ứng dụng chính của hệ miễn dịch nhân tạo và vài nét tổng quan về<br /> tình hình nghiên cứu lĩnh vực này trong thời gian gần đây.<br /> 2. HỆ MIỄN DNCH SINH HỌC<br /> Hệ miễn dịch sinh học là một hệ thống thích nghi có khả năng tự nhận dạng và tự tổ chức, bao<br /> gồm nhiều bộ phận phân tán trong cơ thể nhằm giúp cho cơ thể chống lại những lây nhiễm của các vi<br /> sinh vật bên ngoài. Nó bao gồm một kiến trúc phân tầng với cơ chế tự điều chỉnh và bảo vệ rộng khắp,<br /> với hai tầng bảo vệ chính là: hệ thống miễn dịch bNm sinh và hệ thống miễn dịch thích nghi.<br /> <br /> Hình 1. Cấu trúc đa tầng của hệ miễn dịch sinh học<br /> <br /> 13<br /> <br /> T¹p chÝ Khoa häc & C«ng nghÖ - Sè 2(42)/N¨m 2007<br /> <br /> Chức năng của hệ miễn dịch sinh học là nhận dạng tế bào và phân chia chúng thành hai<br /> nhóm khác nhau: self (những tế bào của cơ thể tạo ra) và non-self (những tế bào lạ), đồng thời<br /> loại bỏ các tế bào thuộc loại non-self.<br /> Hệ miễn dịch bNm sinh chủ yếu dựa vào bạch cầu hạt và đại thực bào, còn hệ miễn dịch<br /> thích nghi dựa vào tế bào lymphô (lymphocyte). Các tế bào lymphô được chia làm hai loại là Bcell và T-cell, chúng có khả năng ghi nhớ, thích nghi, và mang những phần tử thụ cảm trên bề<br /> mặt có khả năng nhận diện kháng nguyên (antigen). Vai trò chính của B-cell là sản sinh ra các<br /> kháng thể (antibody) tương ứng với các tác nhân gây bệnh, còn chức năng chính của T-cell là<br /> điều chỉnh các tế bào khác và tấn công trực tiếp các tế bào gây ra sự lây nhiễm trong cơ thể.<br /> Khi có kháng nguyên xâm nhập vào cơ thể, các cơ quan thụ cảm trên bề mặt của lymphô<br /> bào được kích hoạt và thực hiện quá trình nhân rộng, đột biến và tạo ra những kháng thể thích<br /> hợp có khả năng nhận diện cũng như loại bỏ kháng nguyên. Một số lymphô bào sẽ trở thành tế<br /> bào ghi nhớ và lưu thông trong cơ thể, sau đó, nếu có loại kháng nguyên tương tự lây nhiễm thì<br /> hệ miễn dịch thích nghi có thể nhanh chóng phát hiện và loại bỏ chúng. Khả năng "tự hoàn<br /> thiện" này của hệ miễn dịch giúp cơ thể không mắc lại những bệnh cũ.<br /> Hệ miễn dịch sinh học bao gồm hơn 107 mạng miễn dịch con (immune sub-network) với các<br /> nguyên tắc hoạt động rất phức tạp. Nó thực sự là một hệ thống hoạt động tin cậy, thống nhất, có khả<br /> năng tính toán song song và phân tán. Xét theo quan điểm của khoa học máy tính, thì việc xây dựng<br /> hệ thống tính toán mô phỏng hệ thống miễn dịch sinh học có rất nhiều ý nghĩa thực tiễn [1].<br /> 3. MÔ HÌNH CHUNG CHO AIS<br /> Có ba yếu tố cơ bản để thiết kế AIS, đó là: biểu diễn mô hình trừu tượng cho các thành<br /> phần của hệ miễn dịch gồm tế bào, phân tử và các phần tử miễn dịch; một tập các hàm xác định<br /> độ thích hợp để định lượng sự tương tác của các phần tử; một tập các thuật toán để điều khiển<br /> tính động của hệ thống.<br /> <br /> Hình 2. Cấu trúc<br /> <br /> phân tầng của AIS<br /> <br /> AIS có cấu trúc phân tầng, tầng đầu tiên là lĩnh vực ứng dụng, nó có vai trò quyết định<br /> đến các thành phần hệ thống cũng cách biểu diễn và thao tác trên các thành phần đó. Tầng thứ<br /> hai liên quan đến biểu diễn các thành phần của hệ thống mà quan trọng nhất là kháng thể và<br /> kháng nguyên. Tầng thứ ba là các phương pháp đánh giá độ thích hợp: thông thường sử dụng độ<br /> đo khoảng cách Hamming, Euclid và Mahattan. Tầng thứ tư liên quan đến các thuật toán miễn<br /> dịch: thuật toán chọn lọc tích cực, thuật toán chọn lọc tiêu cực, thuật toán chọn lọc clôn, thuật<br /> 14<br /> <br /> T¹p chÝ Khoa häc & C«ng nghÖ - Sè 2(42)/N¨m 2007<br /> <br /> toán aiNet,… Tầng thứ năm là đưa ra lời giải cho bài toán: lời giải của bài toán sẽ được cập nhật<br /> lại sau khi một quần thể mới được tạo ra và đưa ra kết quả cuối cùng khi đạt đến điều kiện kết<br /> thúc nào đó, chẳng hạn như sau một số lần lặp nhất định [14].<br /> 4. CÁC LĨNH VỰC ỨNG DỤNG CỦA AIS<br /> 4.1 Điều khiển<br /> AIS có thể giải quyết vấn đề về tính không chắc chắn và các phép biến đổi, do đó, nó là<br /> một phương pháp mới để cải tiến chất lượng của các hệ thống điều khiển. Đặc biệt khi kết hợp<br /> với mạng nơron và giải thuật di truyền, có thể xây dựng hệ thống có khả năng: lọc nhiễu, điều<br /> khiển các thiết bị rất phức tạp, ra quyết định trong điều khiển robot (quyết định của robot được<br /> coi như các kháng thể, còn tác động của môi trường là các kháng nguyên),...<br /> 4.2 An ninh máy tính<br /> Hai nội dung được quan tâm trong lĩnh vực này là chống các truy cập bất hợp pháp (ví dụ<br /> từ các hacker, người dùng không đủ thNm quyền) và các mã có hại (ví dụ như virus, worm,<br /> spyware). Các nguyên tắc phát hiện và loại bỏ vi sinh vật lây nhiễm của hệ miễn dịch sinh học<br /> được áp dụng cho thiết kế hệ thống an ninh máy tính. Cách tiếp cận tự nhiên này cho phép xây<br /> dựng các hệ phát hiện và phòng chống đột nhập (Intrusion Detetion System) có khả năng tự động phát<br /> hiện, cảnh bảo sớm các truy cập bất hợp pháp. Phương pháp này đang được giới nghiên cứu và thực<br /> hành về an ninh mạng xem là hướng có triển vọng nhất [10, 18, 19]. Hình vẽ dưới đây minh họa một<br /> phép ánh xạ giữa các thành phần của hệ miễn dịch sinh học với kiến trúc của một hệ thống máy tính.<br /> Bảng 1. Ánh xạ giữa các thành phần của hệ miễn dịch với kiến trúc của một máy chủ nhằm bảo vệ các<br /> tiến trình hoạt động<br /> Hệ miễn dịch<br /> <br /> Môi trường mạng<br /> <br /> Tế bào<br /> <br /> Tiến trình hoạt động trong một máy tính<br /> <br /> Cơ quan đa bào<br /> Số lượng cơ quan<br /> <br /> Máy tính chạy đa tiến trình<br /> Các máy tính trong mạng<br /> <br /> Da và hệ miễn dịch bNm sinh<br /> <br /> Mật khNu, quyền truy cập file, truy cập nhóm người dùng,…<br /> <br /> Hệ miễn dịch thích nghi<br /> <br /> Một tiến trình có khả năng kiểm soát các tiến trình khác để phát hiện bất thường<br /> <br /> Đáp ứng tự miễn dịch<br /> Self<br /> <br /> Chuông cảnh báo<br /> Ứng xử bình thường<br /> <br /> Nonself<br /> <br /> Ứng xử bất thường<br /> <br /> 4.3 Phát hiện lỗi<br /> Lý thuyết mạng miễn dịch đã được sử dụng để xây dựng các cơ chế phát hiện lỗi. Một số<br /> ứng dụng chính bao gồm: phát hiện và chNn đoán lỗi của các bộ cảm biến , công cụ cắt gọt, máy<br /> công cụ, phần cứng, phần mềm.<br /> 4.4 Phát hiện bất thường trong hệ thống<br /> AIS có thể sử dụng để giải bài toán phát hiện bất thường trong các chuỗi thời gian, trong<br /> phân đoạn ảnh hay kiểm tra ảnh bằng kỹ thuật xây dựng tập bộ dò (detector set). Các mẫu chuNn<br /> 15<br /> <br /> T¹p chÝ Khoa häc & C«ng nghÖ - Sè 2(42)/N¨m 2007<br /> <br /> của hệ thống được coi là self, còn trong dữ liệu quan sát thì những thay đổi bất thường vượt<br /> ngưỡng cho phép được coi là non-self.<br /> 4.5 Tối ưu hóa<br /> Các phương pháp của hệ miễn dịch được kết hợp với giải thuật di truyền, mạng nơron để<br /> giải quyết nhiều bài toán tối ưu để tăng cường khả năng hội tụ của thuật toán, duy trì tính đa<br /> dạng của quần thể, quản lý các ràng buộc.<br /> 4.6 Khai phá dữ liệu<br /> AIS là một phương pháp hiệu quả có thể dùng cho nhận dạng dữ liệu. Một số áp dụng<br /> như: phân lớp các DNA dùng trong sinh học, loại bỏ dữ liệu dư thừa, giám sát bệnh truyền<br /> nhiễm, phân tích dữ liệu y học,…<br /> Ngoài ra, AIS cũng được áp dụng trong một số lĩnh vực khác như: học máy, rôbot học,<br /> lập lịch, ghi nhớ kết hợp, sinh thái học, hệ sản xuất (production system), ngôi nhà thông minh,<br /> phỏng đoán cấu trúc protein, trung hòa nhiễu thích nghi (adaptive noise neutralization) [10].<br /> 5. TÌNH HÌNH NGHIÊN CỨU AIS TRONG THỜI GIAN QUA<br /> Những nghiên cứu sớm nhất về AIS được tiến hành vào cuối những năm 80 của thế kỷ<br /> trước, nhưng phải đến mười năm sau đó AIS mới thực sự thu hút được sự chú ý của các nhà<br /> nghiên cứu. Hiện nay, hàng năm trên thế giới người ta thường tổ chức hội nghị quốc tế về AIS<br /> (dưới sự bảo trợ của Viện công nghệ điện - điện tử Hoa kỳ - IEEE), các hội nghị lớn về tính toán<br /> phỏng tiến hoá sinh học như CEC, GECCO vẫn luôn giành những phiên đặc biệt chuyên về AIS.<br /> Chỉ tính riêng 9 tháng đầu năm 2006, có đến 10 hội nghị quốc tế về AIS được tổ chức [13, 21].<br /> Hiện nay, nghiên cứu về AIS của Mỹ và Trung Quốc là hai cộng đồng nghiên cứu mạnh<br /> nhất, đặc biệt là ứng dụng các AIS trong an ninh máy tính. Đã có một số AIS ra đời và bắt đầu<br /> được đưa vào thử nghiệm, điển hình như LYSIS (Trường đại học New Mexico, Hoa kỳ), CDIS<br /> (Bộ quốc phòng Hoa kỳ) [9], COMUS [3] (Viện khoa học quốc gia Trung Quốc),...<br /> Tại Việt Nam, AIS vẫn là một lĩnh vực mới, hầu như chưa có cá nhân hay nhóm nghiên<br /> cứu nào tiến hành các nghiên cứu hay ứng dụng các kết quả nghiên cứu về AIS. Một trong<br /> những ngoại lệ là nhóm nghiên cứu NC (Natural Computation) thuộc khoa Công nghệ thông tin,<br /> Học viện Kỹ thuật Quân sự. Trong năm 2006, nhóm nghiên cứu đã tiến hành một số nghiên cứu<br /> về cơ sở lý thuyết của các AIS và ứng dụng trong giải các bài toán tối ưu. Nhóm nghiên cứu<br /> cũng bước đầu tiến hành những nghiên một số hệ IDS mã nguồn mở như LYSIS, SNORT,<br /> NESSUS, đồng thời đề xuất một số giải pháp nhằm giải quyết một số vấn đề mà các AIS-IDS<br /> đang gặp phải nhằm làm giảm kích thước không gian kháng thể, đồng thời tạo điều kiện cho các<br /> phép khớp (match) nhận dạng kháng thể – kháng nguyên nhanh chóng và chính xác hơn [13, 14].<br /> 6. XU HƯỚNG NGHIÊN CỨU AIS TRONG THỜI GIAN TỚI<br /> Do tiềm năng mở rộng phạm vi áp dụng trong nhiều lĩnh vực của cuộc sống nên AIS<br /> ngày càng thu hút được sự chú ý của các nhà nghiên cứu khoa học [16, 18]. Những nghiên cứu<br /> trong thời gian tới về AIS vẫn bao gồm cả lý thuyết và thực nghiệm, cả cơ bản và ứng dụng bao<br /> gồm các hướng sau:<br /> 16<br /> <br /> T¹p chÝ Khoa häc & C«ng nghÖ - Sè 2(42)/N¨m 2007<br /> <br /> - Cải tiến và mở rộng hệ AIS: cải tiến các thuật toán đã có; kết hợp AIS với giải thuật di<br /> truyền, với mạng nơron nhân tạo hay logic mờ để xây dựng dựng các hệ AIS lai (hybrid AIS) với<br /> hiệu suất và khả năng ứng dụng tốt hơn.<br /> - Tạo nên AIS mới: xây dựng thuật toán mới, khai thác thêm các ý tưởng mới có nguồn gốc từ<br /> hệ miễn dịch sinh học.<br /> - Áp dụng AIS đối với một số lĩnh vực mới như các hệ thống với khả năng tiến hóa và tự tổ<br /> chức (evolution with self-organization), phát hiện phần tử ngoại lai trong phân tích dữ liệu, hệ<br /> thống phòng chống đột nhập hiệu quả,...<br /> - Mở rộng mô hình thiết kế AIS: nghiên cứu thêm các không gian hình dạng để biểu diễn cho các<br /> thành phần của AIS, xây dựng hàm đánh giá mới, bổ sung tính chất cho các thuật toán miễn dịch.<br /> 7. KẾT LUẬN<br /> Bài báo đã giới thiệu những vấn đề cơ bản nhất, mô hình và cấu trúc của AIS, giới thiệu<br /> một số kết quả đã đạt được trong những năm gần đây ở trong nước và trên thế giới và xu hướng<br /> phát triển AIS trong thời gian tới.<br /> Với một phạm vi ứng dụng lớn cũng như nhiều khía cạnh của miễn dịch học chưa được<br /> khai thác triệt để, cho thấy việc nghiên cứu và ứng dụng kỹ thuật AIS tại Việt Nam là cần thiết<br /> và có ý nghĩa thực tiễn, đặc biệt là trong lĩnh vực an ninh máy tính
<br /> Tóm tắt<br /> Lĩnh vực của hệ miễn dịch nhân tạo liên quan đến nghiên cứu và phát triển các mức tính<br /> toán trừu tượng của hệ miễn dịch sinh học. Bài báo này trình bày tổng quan về lý thuyết hệ miễn<br /> dịch sinh học, mô hình tổng quát cho AIS và những ứng dụng của AIS. Ngoài ra, một số kết quả<br /> nghiên cứu gần đây cũng như xu hướng nghiên cứu trong tương lai cũng được đề cập.<br /> Summary<br /> The field of Artificial Immune Systems (AIS) concerns studies and development of<br /> computationally interesting abstraction levels of the biology immune system. This paper presents<br /> an overview of biology immune system theory, general AIS model, and applications of AIS.<br /> Besides, recent research achievements and future research trend in these areas are also given in the<br /> paper.<br /> Tài liệu tham khảo<br /> [1] A. Somayaji, S. Hofmeyr, and S. Forrest.(1998) Principles of a Computer Immune System. 1997 New<br /> Security Paradigms Workshop, 75-82, .<br /> [2] C. Kruegel et al.(2005), Intrusion Detection and Correlation: Challenges and Solutions, SpringerVerlag.<br /> [3] D. Feng (2006), The Design of an Artificial Immune System, in Proceedings of IEEE International<br /> Conference on Networking, International Conference on Systems and International Conference on<br /> Mobile Communications and Learning Technologies (ICNICONSMCL).<br /> <br /> 17<br /> <br />