| 论文创新点 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1. 引言 | 第15-25页 |
| 1.1 衰退是软件生命周期的一个必然趋势 | 第15-18页 |
| 1.1.1 衰退严重威胁软件健康 | 第15-16页 |
| 1.1.2 软件衰退的三大特点 | 第16-17页 |
| 1.1.3 软件抗衰方法的现状 | 第17-18页 |
| 1.1.4 未来软件抗衰的发展趋势 | 第18页 |
| 1.2 本文的研究动机与背景 | 第18-21页 |
| 1.2.1 选题来源 | 第18-19页 |
| 1.2.2 计算机免疫方法的启示 | 第19-21页 |
| 1.3 本文的研究目标和主要工作 | 第21-22页 |
| 1.3.1 研究目标 | 第21页 |
| 1.3.2 主要工作 | 第21-22页 |
| 1.4 本文的主要创新点 | 第22-23页 |
| 1.5 本文的组织结构 | 第23-25页 |
| 2. 软件抗衰的相关研究 | 第25-42页 |
| 2.1 软件衰退概述 | 第25-30页 |
| 2.1.1 软件运行生命周期定义 | 第25-26页 |
| 2.1.2 软件衰退的定义 | 第26-27页 |
| 2.1.3 导致软件衰退的因素 | 第27-28页 |
| 2.1.4 软件衰退的表现、影响及危害 | 第28-29页 |
| 2.1.5 软件衰退的特征 | 第29-30页 |
| 2.2 软件抗衰方法 | 第30-39页 |
| 2.2.1 基于模型的方法 | 第31-32页 |
| 2.2.2 基于度量的方法 | 第32-38页 |
| 2.2.3 基于模型和度量的混合方法 | 第38-39页 |
| 2.3 最新研究进展 | 第39-40页 |
| 2.4 软件抗衰面临的问题 | 第40-41页 |
| 2.5 本章小结 | 第41-42页 |
| 3. 软件抗衰中的智能问题 | 第42-59页 |
| 3.1 动态感知软件系统衰退 | 第43-51页 |
| 3.1.1 现有软件衰退状态感知方法 | 第43-44页 |
| 3.1.2 计算机先天免疫危险理论模型 | 第44-51页 |
| 3.1.3 危险理论适合感知未知软件衰退 | 第51页 |
| 3.2 自适应识别、评估未知软件衰退 | 第51-56页 |
| 3.2.1 现有软件衰退识别方法 | 第52-53页 |
| 3.2.2 现有软件衰退预测方法 | 第53-54页 |
| 3.2.3 计算机适应性免疫系统 | 第54-56页 |
| 3.3 群体抗衰机制 | 第56-58页 |
| 3.3.1 现有集群环境下的抗衰机制 | 第57页 |
| 3.3.2 免疫记忆和协同机制的启发 | 第57-58页 |
| 3.4 本章小结 | 第58-59页 |
| 4. 软件抗衰的免疫架构 | 第59-71页 |
| 4.1 架构组成及软件抗衰过程 | 第59-61页 |
| 4.2 人工组织 | 第61-63页 |
| 4.2.1 系统和软件特征采集 | 第61-62页 |
| 4.2.2 危险信号传导与抗原生成 | 第62-63页 |
| 4.3 软件衰退感知的人工抗原提呈细胞 | 第63-64页 |
| 4.4 软件衰退识别和评估的人工淋巴细胞 | 第64-66页 |
| 4.4.1 软件衰退识别和记忆 | 第65页 |
| 4.4.2 基于淋巴细胞库的衰退评估和预测 | 第65-66页 |
| 4.5 群体软件抗衰的免疫协同机制 | 第66-69页 |
| 4.5.1 关键问题与解决思路 | 第66-67页 |
| 4.5.2 群体免疫协同抗衰体系 | 第67-68页 |
| 4.5.3 人工记忆淋巴细胞的共享或分发 | 第68-69页 |
| 4.6 本章小结 | 第69-71页 |
| 5. 基于危险理论的软件衰退感知方法 | 第71-101页 |
| 5.1 人工抗原提呈细胞的表达 | 第71-76页 |
| 5.1.1 人工抗原提呈细胞的结构 | 第72-73页 |
| 5.1.2 人工 Toll 样受体的结构 | 第73-75页 |
| 5.1.3 细胞种群 | 第75-76页 |
| 5.2 人工抗原提呈细胞种群的演化 | 第76-82页 |
| 5.2.1 细胞生命周期 | 第77-78页 |
| 5.2.2 细胞种群的工作流程 | 第78-79页 |
| 5.2.3 细胞及受体的适应值评估 | 第79-80页 |
| 5.2.4 细胞更替 | 第80-82页 |
| 5.3 危险信号的定义和表达 | 第82-84页 |
| 5.4 危险信号自适应提取的变化理论 | 第84-94页 |
| 5.4.1 危险信号生成的变化思想 | 第84-86页 |
| 5.4.2 初始危险信号生成的数字微分方法 | 第86-89页 |
| 5.4.3 初始危险信号“降维”：变化的相关性提取 | 第89-93页 |
| 5.4.4 人工抗原提呈细胞群体的活化 | 第93-94页 |
| 5.5 人工抗原提呈细胞的软件衰退感知 | 第94-100页 |
| 5.5.1 危险信号识别与抗原收集 | 第94-96页 |
| 5.5.2 单个细胞的衰退感知与抗原提呈 | 第96-97页 |
| 5.5.3 细胞群体决策 | 第97-99页 |
| 5.5.4 刺激人工淋巴细胞 | 第99-100页 |
| 5.6 本章小结 | 第100-101页 |
| 6. 基于人工淋巴细胞的软件衰退识别和评估方法 | 第101-117页 |
| 6.1 人工淋巴细胞 | 第101-108页 |
| 6.1.1 人工淋巴细胞与抗原的表达 | 第102-104页 |
| 6.1.2 人工淋巴细胞与抗原的匹配规则 | 第104页 |
| 6.1.3 人工淋巴细胞的训练：自我耐受 | 第104-106页 |
| 6.1.4 人工淋巴细胞的生命周期 | 第106-107页 |
| 6.1.5 人工淋巴细胞的克隆和变异 | 第107-108页 |
| 6.2 动态人工记忆淋巴细胞模型 | 第108-109页 |
| 6.2.1 人工记忆淋巴细胞 | 第108页 |
| 6.2.2 人工记忆淋巴细胞的动态变迁 | 第108-109页 |
| 6.3 人工（记忆）淋巴细胞的衰退识别 | 第109-112页 |
| 6.4 记忆淋巴细胞的软件衰退评价和预测 | 第112-115页 |
| 6.4.1 软件健康状态评价 | 第112-113页 |
| 6.4.2 软件衰退趋势预测 | 第113-115页 |
| 6.5 本章小结 | 第115-117页 |
| 7. 软件抗衰实例验证 | 第117-127页 |
| 7.1 实验目的与实验对象选取 | 第117-118页 |
| 7.2 原型系统设计 | 第118-121页 |
| 7.2.1 原型系统工作流程 | 第118-119页 |
| 7.2.2 原始数据采集 | 第119-120页 |
| 7.2.3 参数设置 | 第120-121页 |
| 7.3 实验设计 | 第121-122页 |
| 7.3.1 实验环境 | 第121-122页 |
| 7.3.2 实验场景 | 第122页 |
| 7.4 实验结果及分析 | 第122-126页 |
| 7.5 本章小结 | 第126-127页 |
| 8. 总结与展望 | 第127-130页 |
| 8.1 本文工作总结 | 第127-128页 |
| 8.2 下一步工作 | 第128-130页 |
| 附录 A. 免疫相关词汇说明表 | 第130-132页 |
| 附录 B. DCA 近年来在异常检测领域的发展与应用情况 | 第132-134页 |
| 参考文献 | 第134-143页 |
| 攻读博士学位期间论文与科研情况 | 第143-145页 |
| 致谢 | 第145-146页 |
| 附件 | 第146-148页 |