The negative selection algorithm developed by Forrest et al. was inspired by the manner in which T-cell lymphocytes mature within the thymus before being released into the blood system. The resultant T-cell lymphocytes, which are then released into the blood, exhibit an interesting characteristic: they are only activated by non-self cells that invade the human body. The work presented in this thesis examines the current body of research on the negative selection theory and introduces a new affinity threshold function, called the feature-detection rule. The feature-detection rule utilises the inter-relationship between both adjacent and non-adjacent features within a particular problem domain to determine if an artificial lymphocyte is activated by a particular antigen. The performance of the feature-detection rule is contrasted with traditional affinity-matching functions currently employed within negative selection theory, most notably the r-chunks rule (which subsumes the r-contiguous bits rule) and the hamming-distance rule. The performance will be characterised by considering the detection rate, false-alarm rate, degree of generalisation and degree of overfitting. The thesis will show that the feature-detection rule is superior to the r-chunks rule and the hamming-distance rule, in that the feature-detection rule requires a much smaller number of detectors to achieve greater detection rates and less false-alarm rates. The thesis additionally refutes that the way in which permutation masks are currently applied within negative selection theory is incorrect and counterproductive, while placing the feature-detection rule within the spectrum of affinity-matching functions currently employed by artificial immune-system (AIS) researchers. / Dissertation (MSc)--University of Pretoria, 2009. / Computer Science / Unrestricted

Security assurance in a computer system can be viewed as distinguishing between self and non-self. Artificial Immune Systems (AIS) are a class of machine learning (ML) techniques inspired by the behavior of innate biological immune systems, which have evolved to accurately classify self-behavior from non-self-behavior. This work aims to leverage AIS-based ML techniques for identifying certain behavioral traits in high level hardware descriptions, including unsafe or undesirable behaviors, whether such behavior exists due to human error during development or due to intentional, malicious circuit modifications, known as hardware Trojans, without the need fora golden reference model. We explore the use of Negative Selection and Clonal Selection Algorithms, which have historically been applied to malware detection on software binaries, to detect potentially unsafe or malicious behavior in hardware. We present a software tool which analyzes Trojan-inserted benchmarks, extracts their control and data-flow graphs (CDFGs), and uses this to train an AIS behavior model, against which new hardware descriptions may be tested.

Made available in DSpace on 2015-05-08T14:57:17Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 3123506 bytes, checksum: 243f3e4e3248e64433561a39646c765d (MD5) Previous issue date: 2013-08-30 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / In this work, an Artificial-Immune-System based anomaly detection system applied to Water Supply System is presented. At normal working, the pressure level into the system is controlled by a Fuzzy Control System. As the Water Supply System is composed of pressure sensors, valves, pumps, and other devices, faults in these devices causing abnormal disturbances can occur. An algorithm of Artificial-Immune-System, namely, the Negative Selection Algorithm, is the base of the proposed anomaly detection system. The Negative Selection Algorithm verifies abnormal system conditions based on the normal system conditions. Experimental results show that the proposed system is effective in order to detect anomaly. / Neste trabalho é apresentado um método de detecção automática de falhas, baseado em Sistemas Imunológicos Artificias, aplicado em um sistema de abastecimento de água. Este processo utiliza um Sistema de Controle Fuzzy para manter o nível de pressão estabilizado em seu princípio de operação normal do sistema. Esta plataforma de abastecimento de água é composta por sensores de pressão, válvulas, bombas e outros dispositivos. Falhas nos componentes que compõem a plataforma poderão ocorrer causando perturbações em seu funcionamento. Um algoritmo, extraído dos Sistemas Imunológicos Artificiais, denominado de Algoritmo de Seleção Negativa, é a base de detecção de falhas proposto neste trabalho. Este algoritmo verifica condições de operação anormais baseado nas condições de funcionamento normal do sistema. Resultados das simulações e experimentos acerca da utilização deste algoritmo foram obtidos comprovando a eficiência dessa técnica.

Orientador: Fábio Roberto Chavarette / Resumo: Este trabalho é dedicado ao desenvolvimento de uma metodologia baseada no monitoramento da integridade estrutural em aeronaves com foco em técnicas de computação inteligente, tendo como intuito detectar, localizar e quantificar falhas estruturais utilizando os sistemas imunológicos artificiais (SIA). Este conceito permite compor o sistema de diagnóstico apto a aprender continuamente, contemplando distintas situações de danos, sem a necessidade de reiniciar o processo de aprendizado. Neste cenário, foi empregado dois algoritmos imunológicos artificiais, sendo o algoritmo de seleção negativa, responsável pelo processo de reconhecimento de padrões, e o algoritmo de seleção clonal responsável pelo processo de aprendizado continuado. Também foi possível quantificar o grau de influência do dano para as cinco situações de danos. Para avaliar a metodologia foi montada uma bancada experimental com transdutores piezelétricos que funcionam como sensor e atuador em configurações experimentais, que podem ser anexadas à estrutura para produzir ou coletar ondas numa placa de alumínio (representando a asa do avião), sendo coletados sinais na situação normal e em cinco situações distintas de danos. Os resultados demonstraram robustez e precisão da nova metodologia proposta. / Abstract: This work is dedicated to the development of a methodology based on the monitoring of structural integrity in aircraft with a focus on intelligent computing techniques, aiming to detect structural failures using the artificial immune systems (AIS). This concept allows to compose the diagnostic system capable of learning continuously, contemplating different situations of damages, without the need to restart the learning process. In this scenario, two artificial immunological algorithms were employed, the negative selection algorithm, responsible for the pattern recognition process, and the clonal selection algorithm responsible for the continuous learning process. It was also possible to quantify the degree of influence of the damage for the five damage situations. To assess the methodology, an experimental bench was mounted with piezoelectric transducers that act as sensors and actuators in experimental configurations, which can be attached to the structure to produce or collect waves on an aluminum plate (representing the wing of the airplane), being collected signals in the normal situation and in five different situations of damages. The results demonstrate the robustness and accuracy of the proposed new methodology. / Doutor

Submitted by FERNANDO PARRA DOS ANJOS LIMA null (engfernandoparra@gmail.com) on 2016-10-31T11:47:54Z No. of bitstreams: 1 Fernando Parra A. Lima.pdf: 3667307 bytes, checksum: 0d206b9c09566cdb11de101b84976228 (MD5) / Approved for entry into archive by Felipe Augusto Arakaki (arakaki@reitoria.unesp.br) on 2016-11-07T16:42:09Z (GMT) No. of bitstreams: 1 lima_fpa_dr_ilha.pdf: 3363973 bytes, checksum: d8849cdd159a11920c497d025a8ae16a (MD5) / Made available in DSpace on 2016-11-07T16:42:09Z (GMT). No. of bitstreams: 1 lima_fpa_dr_ilha.pdf: 3363973 bytes, checksum: d8849cdd159a11920c497d025a8ae16a (MD5) Previous issue date: 2016-09-01 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Esta pesquisa é dedicada ao desenvolvimento de uma metodologia para a realização do diagnóstico de distúrbios de tensão de sistemas de distribuição de energia elétrica, baseada no uso de sistemas imunológicos artificiais (SIA). Trata-se da proposição de um novo paradigma no ambiente dos SIA que confere o aprendizado de modo contínuo (plasticidade). Esta concepção permite compor um sistema de diagnóstico apto a aprender continuamente, contemplando novos tipos de distúrbios advindos da constante evolução do setor elétrico, sem a necessidade de reiniciar o processo de aprendizado. Neste contexto, empregam-se dois algoritmos imunológicos artificiais, sendo o algoritmo de seleção negativa, responsável pelo processo de reconhecimento de padrões, e o algoritmo de seleção clonal responsável pelo processo de aprendizado. A principal aplicação deste novo método é auxiliar na operação do sistema durante distúrbios, bem como, supervisionar o sistema de proteção, e estar apto a acompanhar a evolução dos sistemas elétricos adquirindo conhecimento continuamente. Para avaliar a eficácia e o desempenho deste novo método foram realizadas simulações de distúrbios de tensão em sistemas de distribuições de energia elétrica com 5, 33, 84 e 134 barras, no software ATP/EMTP. Os resultados obtidos com esta abordagem mostram robustez e eficiência quando comparados à literatura. / This work develops a methodology to realize voltage disturbance diagnosis in electrical distribution systems, based on Artificial Immune Systems (AIS). It is a proposition of a new paradigm in AIS environment, which provides a continuous learning (plasticity). This conception allows composing a diagnosis system able to continuous learn, when new disturbances appear due to the constant evolution of the power systems, without needing to reinitialize the learning. This way, two artificial immune algorithms are used, such as the negative selection algorithm executing the pattern recognition process, and the clonal selection algorithm, executing the learning process. The main application of this new method is to aid the system operation during disturbances, as well as, supervise the system protection and be able to carry on the evolution of the electrical systems acquiring knowledge continuously. To evaluate the efficiency and the performance of this new method, voltage disturbance simulations were executed in electrical distributions systems with 5, 33, 84 and 134-bus in ATP/EMTP software. Results show robustness and efficiency when compared with those in the literature.

Orientador: Carlos Roberto Minussi / Resumo: Esta pesquisa é dedicada ao desenvolvimento de uma metodologia para a realização do diagnóstico de distúrbios de tensão de sistemas de distribuição de energia elétrica, baseada no uso de sistemas imunológicos artificiais (SIA). Trata-se da proposição de um novo paradigma no ambiente dos SIA que confere o aprendizado de modo contínuo (plasticidade). Esta concepção permite compor um sistema de diagnóstico apto a aprender continuamente, contemplando novos tipos de distúrbios advindos da constante evolução do setor elétrico, sem a necessidade de reiniciar o processo de aprendizado. Neste contexto, empregam-se dois algoritmos imunológicos artificiais, sendo o algoritmo de seleção negativa, responsável pelo processo de reconhecimento de padrões, e o algoritmo de seleção clonal responsável pelo processo de aprendizado. A principal aplicação deste novo método é auxiliar na operação do sistema durante distúrbios, bem como, supervisionar o sistema de proteção, e estar apto a acompanhar a evolução dos sistemas elétricos adquirindo conhecimento continuamente. Para avaliar a eficácia e o desempenho deste novo método foram realizadas simulações de distúrbios de tensão em sistemas de distribuições de energia elétrica com 5, 33, 84 e 134 barras, no software ATP/EMTP. Os resultados obtidos com esta abordagem mostram robustez e eficiência quando comparados à literatura. / Doutor

This final year thesis introduces the principles and properties of the artificial immune systems to the reader, then abstracts the principles from this knowledge and applies the real artificial immune systems on them. It provides a view at the practical applications that use and extend given ideas.