2．1 RFID預(yù)處理階段
RFID預(yù)處理階段是后面幾個階段的前奏，它將RFID數(shù)據(jù)轉(zhuǎn)換為系統(tǒng)易于處理的格式。將讀取到的RFID數(shù)據(jù)，預(yù)處理為三部分：a)(IP)為讀寫器IP地址；b)(ID)為標(biāo)簽ID；C)(content)為內(nèi)容子矢量。內(nèi)容子矢量的處理是一個自然語言的處理過程，主要是分詞處理，即分詞先進(jìn)行語種分類，然后將標(biāo)簽內(nèi)容的屬性值分解為單詞。
2．2 多層過濾器的生成與衰亡
考慮到生物免疫系統(tǒng)的工作機(jī)制，本文將RIS中的過濾器分為四層：
a)設(shè)為IP過濾器層(IPF)。對應(yīng)于生物免疫系統(tǒng)的物理屏障，采用XML技術(shù)和黑白名單技術(shù)，該過濾器由兩部分組成：(IP，ipFlag)。其中：IP對應(yīng)黑／8名單列表中的項(xiàng)；ipFlag標(biāo)志過濾器是黑名單還是白名單過濾器。ipFlag為真，則是白名單過濾器中的項(xiàng)；反之，為黑名單過濾器中的項(xiàng)。IPF由黑／白名單列表生成。一個未注冊的讀寫器是通過XML技術(shù)，由RFID控制臺注冊，若注冊成功，在黑／白名單中添加一項(xiàng)對應(yīng)該過濾器；同樣也可以通過XML技術(shù)注銷此讀寫器對應(yīng)的過濾器，此時黑／白名單列表中將注銷相應(yīng)的過濾器。
b)ID過濾器層(IDF)。對應(yīng)于生理屏障，采用平滑過濾技術(shù)，表示為(ID，idFlag)。其中：ID為平滑列表中的項(xiàng)；idFlag用于標(biāo)志為ID的過濾器是否是新注冊的。IDF由平滑列表產(chǎn)生。當(dāng)待過濾標(biāo)簽出現(xiàn)時，如果此標(biāo)簽ID類型在檢測類型之列，則激活I(lǐng)DF過濾器，并利用平滑列表中的過濾器對該標(biāo)簽過濾，如果匹配失敗，則置idFlag的值為假，須先對該標(biāo)簽進(jìn)行注冊后再交由ConF處理；如果匹配成功，則置idFlag為真，直接交由ConF處理。
c)Content過濾器層(ConF)。對應(yīng)于先天免疫層，采用關(guān)鍵詞匹配技術(shù)，只包含內(nèi)容子矢量，此子矢量是一個無序的、可變長的數(shù)組，數(shù)組中的元素來自相應(yīng)的脆弱性數(shù)據(jù)庫或者不良信息的關(guān)鍵詞數(shù)據(jù)庫，表示為(NonContent)。其中：電子標(biāo)簽數(shù)據(jù)中的content包含不定數(shù)目的屬性，每個屬性值中都可能存在不良數(shù)據(jù)。初始時，將一些有信譽(yù)的組織公布的關(guān)鍵詞和表示詞作為基因庫的初始值，也可以通過RFID控制平臺設(shè)置、添加或者刪除基因庫的值，并且每個過濾器被賦予一定的初始重要度，重要度隨時間衰減。基因庫中每個基因有一定的初始權(quán)重，當(dāng)過濾結(jié)果正確時，相應(yīng)基因的權(quán)重增加，每個包含該基因的過濾器的重要度增加；當(dāng)過濾結(jié)果與控制平臺的反饋結(jié)構(gòu)相反時，則刪除包含該基因的過濾器，同時相應(yīng)的基因權(quán)重衰減，當(dāng)衰減到0時刪除該基因，同時刪除所有包含該基因的過濾器。
d)B過濾器層(BF)。對應(yīng)于獲得性免疫層中的B細(xì)胞。
采用基于內(nèi)容的RFID數(shù)據(jù)過濾技術(shù)，由標(biāo)簽ID和NonContent兩個子矢量組成，表示為(ID，NonContent)。與ConF類似，每個子矢量都是一個無序的、可變長的數(shù)組。但待過濾RFID數(shù)據(jù)中的不良信息表示詞(抗原)刺激BF過濾器而產(chǎn)生的新過濾器(抗體)。
多層過濾器中，ConF和BF的設(shè)計(jì)，正是為了體現(xiàn)生物免疫系統(tǒng)記憶B細(xì)胞二次免疫應(yīng)答的思想。
2．3 過濾器的應(yīng)用階段
對于RFID數(shù)據(jù)C和過濾器只的匹配，本文設(shè)C、只為兩個無序的文本矢量，各自又包含一個或多個文本子矢量，定義C、只的親和度為C和只中每個子矢量之間的親和度的平均值。本系統(tǒng)采用如下親和度的計(jì)算公式：
其中： nq表示子矢量pi和Qj 中相同的表示詞(病毒或不良信息)數(shù)目；min(pi，qj)表示矢量pi和qj中較短的子矢量的長度。由上述公式和計(jì)算方法可得親和度的取值范圍為［0，1］。
a)通過IPF過濾器，如果IPF過濾器未被激活，表示此讀寫器未注冊，即在黑／白名單中都不存在；如果IPF過濾器被激活，則根據(jù)ipFlag標(biāo)志決定其后的處理方法。若ipFlag為假，則表明該閱讀器處于黑名單過濾器中，過濾器被屏蔽，此待過濾RFID數(shù)據(jù)被丟棄；若ipFlag為真，系統(tǒng)將試圖激活I(lǐng)DF過濾器。
b)如果IDF過濾器未被激活，表明該標(biāo)簽ID類型被屏蔽，將丟棄該RFID數(shù)據(jù)。如果IDF過濾器被激活，且idFlag為真，交由記憶過濾器過濾；如果記憶過濾器被激活，表示該RFID數(shù)據(jù)內(nèi)容包含與記憶過濾器中親和度較高的不良信息；剔除該RFID數(shù)據(jù)中的不良信息，如果記憶過濾器未被激活，此時應(yīng)交由ConF過濾器做進(jìn)一步的匹配；若idFlag為假，則應(yīng)先將ID添加到記憶過濾器中，然后將其標(biāo)簽內(nèi)容直接交由ConF過濾器過濾。
c)ConF過濾器包含多個子矢量，每個子矢量對應(yīng)一個過濾器。如果ConF過濾器被激活，說明該RFID數(shù)據(jù)內(nèi)容與ConF過濾器中某個或者某幾個過濾器有較高的親和度，剔除該RFID數(shù)據(jù)中的不良信息；如果ConF過濾器未被激活，則交由BF過濾器來處理。
d)如果上面的記憶過濾器和ConF過濾器均未激活，則交由BF過濾器處理。若BF過濾器被激活，將產(chǎn)生新的過濾器(抗體)，過濾不良信息。模型過濾流程圖如圖2所示。
圖2 模型討濾流程圖
2．4 過濾器的進(jìn)化階段
生物免疫系統(tǒng)中抗體的種類相對于抗原的種類是很弱小的，生物體通過抗體的動態(tài)進(jìn)化機(jī)制和自適應(yīng)學(xué)習(xí)機(jī)制來解決該問題。本文的RIS系統(tǒng)中，過濾器進(jìn)化主要是指ConF過濾器和BF過濾器的進(jìn)化，通過體細(xì)胞交叉變異和受體基因重組機(jī)制來實(shí)現(xiàn)，如圖3所示。
過濾器的具體進(jìn)化過程如下：
a)待過濾RFID數(shù)據(jù)與記憶過濾器中的過濾器進(jìn)行匹配，如果匹配未成功，即記憶過濾器未被激活，則交由ConF過濾器和BF過濾器組成的過濾器集進(jìn)行處理。
b)根據(jù)上文提出的親和度計(jì)算公式，依次計(jì)算RFID數(shù)據(jù)的內(nèi)容(包括多個屬性)與過濾器之間的親和度。
c)選擇親和度最高的一個過濾器。
d)同時選擇親和度較高的一組過濾器集，采用體細(xì)胞交叉變異的方法來產(chǎn)生一組新的過濾器；另外采用受體基因重組產(chǎn)生一批新的過濾器，兩類過濾器融合而成新過濾器集。
e)計(jì)算RFID數(shù)據(jù)與新過濾器集之間的親和度。如果新過濾器集匹配，則選取其中的最高親和度與C)相比較，具有較高親和度的過濾器加入記憶過濾器。
至此，完成過濾器的進(jìn)化。既此過程完成了記憶過濾器(病毒庫或者不良信息庫)的進(jìn)化，又體現(xiàn)了免疫細(xì)胞的親和度成熟機(jī)制，以及自然免疫和獲得性免疫相結(jié)合完成進(jìn)化學(xué)習(xí)的機(jī)制。
圖3 過濾器進(jìn)化流程圖
3 實(shí)驗(yàn)分析
實(shí)驗(yàn)中使用記憶過濾器集為包含100個計(jì)算機(jī)病毒(主要是一些經(jīng)典的DOS病毒、蠕蟲和注入的SQL代碼)的過濾器；自我是185個未感染不良信息的RFID數(shù)據(jù)，非自我是215個感染了實(shí)驗(yàn)中使用的病毒樣本的RFID數(shù)據(jù)；本RFID過濾模型中的抗原集合(待過濾的RFID數(shù)據(jù))是185個自我RFID數(shù)據(jù)(自我)和215個感染了實(shí)驗(yàn)中使用的病毒樣本的RFID數(shù)據(jù)(非自我)。
在讀寫器讀寫RFID數(shù)據(jù)過程中，采用人為修改蠕蟲或者經(jīng)典DOS病毒的二進(jìn)制代碼的方法，產(chǎn)生蠕蟲或者病毒的變種；然后通過2．4節(jié)的過濾器進(jìn)化方法完成對記憶過濾器集的進(jìn)化。用 代表記憶過濾器集樣本的個數(shù)；T1表示記憶過濾器集中向量變異之后的增加的樣本；S表示未感染不良信息的RFID數(shù)據(jù)；s．表示感染病毒樣本的RFID數(shù)據(jù)；s 表示模型進(jìn)化之后能夠識別出感染病毒樣本的RFID數(shù)據(jù)的個數(shù)； 表示待過濾的RFID數(shù)據(jù)的總量(S+S )。該模型的召回率為病毒的剔除率 ．／ ，正確率為所有待過濾RFID數(shù)據(jù)的檢對率(S+S )／K。表1是記憶過濾器的進(jìn)化對模型檢測效率的影響。
表1 記憶過濾器的進(jìn)化對模型檢測效率的影響
表1說明，隨著病毒樣本庫中病毒變種數(shù)目的增加，即記憶過濾器集的進(jìn)化，RFID數(shù)據(jù)過濾模型的召回率和正確率在隨之提高，從根本上說明了該模型的進(jìn)化能力。
4 結(jié)束語
