论文部分内容阅读
迁移工作流是近年来工作流管理的一个新的研究方向。它将移动计算技术引入到传统工作流系统上,把工作流系统分为工作流引擎、工作位置和迁移实例三部分。迁移工作流很好的解决了传统工作流柔性与扩张性不足的问题,减少了数据传递和远程过程调用,提高了工作流系统适应动态环境的灵活性,因此特别适合需要传递大量数据和需要大量调用远程服务的分布式业务并发处理过程。迁移工作流为工作流技术提供了一个新的研究方向的同时,也给工作流管理系统带来了新的安全问题。迁移工作流系统中的安全问题大体上可以分为工作位置安全和迁移实例安全两个方面迁移实例的安全包括迁移实例迁移时的安全和运行时的安全。其中,运行时保护迁移实例不被恶意的主机攻击尤为重要。目前可采用的方法分为检测和预防两类,其中检测的方法较为被动,而预防的方法较为主动,但目前研究的较少,这也是本文的研究目标。人工免疫系统(AIS)是一种人工智能新方法,它是模拟生物免疫系统的功能、原理和模型来解决复杂问题的自适应系统,通过学习外界物质的自然防御机理的技术,提供噪声忍耐、自组织、自学习、记忆等进化学习机理,结合了分类器、神经网络和机器推理等的特点。其研究成果涉及的领域相当广泛,如模式识别、故障检测、自动控制及计算机安全等领域。人工免疫系统成为近年来的一个研究热点。基于以上研究背景,本文提出了迁移工作流系统危险因素的探测与评估模型,当迁移实例在当前位置运行时,可预先对下一工作位置进行检测,以判断其安全程度。探测模块由一个人工免疫体构成的agent作为安全前哨,使用否定选择算法建立工作位置所能执行的任务的执行特征抗体库,将危险因素定义为抗原,通过抗体和抗原的亲和力计算完成对危险因素的检测。评估模块主要是通过对抗原浓度以及抗原对迁移实例的影响系数的分析确定工作位置的危险程度。论文对免疫体进行了形式化描述,详细介绍了免疫体各功能模块的构造算法、检测过程及检测器更新机制,阐述了危险信号的定义以及亲和力和抗体浓度的计算方法,给出了工作位置危险系数的计算方法。最后通过仿真实验证明了系统有较高的免疫学习效率,较高的检测效率和较低的错误肯定率。