Los sistemas de detección de intrusión (IDS) se han desarrollado generalmente usando una gran cantidad de firmas de ataque los que impone una carga adicional para los hosts. Además, cualquier modificación en los tipos de ataque hace que la firma de este sea inútil debido a que pequeñas desviaciones en el tipo de ataque ya reconocido por una firma lo hace indetectable por un IDS basado solo en el análisis de patrones mediante método. Los Sistemas Inmunológicos Artificiales (AIS) tienen como objetivo desarrollar un sistema análogo al sistema inmunológico natural con el objetivo proporcionar un nivel de seguridad a los sistemas computacionales, capaces de detectar intrusiones o comportamientos anómalos y responder efectivamente a los ataques. En el año 1994 Stephanie Forest y su grupo propusieron este modelo de para proporcionar un sistema inmunológico para los computadores basados en la teoría de Negative Selection [1]. Un algoritmo basado en Negative Selection (NSA) postula que un AIS, al igual que el sistema inmunológico natural, tiene por objetivo establecer lo que es propio del organismo (self) y lo que es ajeno al mismo (no self) [1]. El concepto de discriminación no-self realizada por el sistema inmune ha sido la piedra angular de la inmunología desde su postulación por parte de Paul Ehrlich a fines del siglo diecinueve [2]. Este proceso de discriminación se alcanza con la filtración cuidadosa de celulas T del sistema inmune adaptativo, donde se eliminan las células que reaccionan a las proteínas self. Esto implica que el sistema inmune consiste en una población acotada de detectores (celulas T) aptos para ser comparados y eliminar solamente entidades non-self, incluyendo virus, bacterias y de otros microbios patógenos. Sin embargo existen otros tipos de desarrollo basados en otras teorías de la biología tales como: Clonal Selection [3] [4]. Immune Networks [5], Danger Theory (DT) propuesta por Matzinger [6], entre otras. La DT postula que el sistema inmune no se activa solamente por la detección de entidades no-self y no reacciona frente a un potencial intruso hasta que causa daño o detecta peligro. Una célula que está se encuentra bajo cierto estrés envía una señal de peligro, con lo cual los antígenos en la vecindad son capturados por las “células presentadoras de antígenos” antigen-presenting cells tales como los macrófagos, que después viajan al nodo linfático y presentan los antígenos a los linfocitos. Esencialmente, la señal de peligro establece una zona de peligro alrededor de sí mismo. Así las células B producen anticuerpos que coinciden con los antígenos en esta zona y estimulan un proceso de expansión clónica. Los que no coinciden o las coincidencias son muy lejanas no consiguen estimular la clonación. La teoría del peligro entonces opera mediante la aplicación de tres leyes del comportamiento de linfocitos [7]: Ley 1. Se activan cuando reciben una o dos señales juntas. Mueren si reciben una señal y no reciben la segunda. Ignoran la señal dos sin la señal uno. Ley 2. Aceptar la señal dos desde una antigen-presenting cells (o, por las células B, a partir de las células T auxiliares). Células B pueden actuar como antigen-presenting cells sólo para que las células T logren experiencia (memoria). Ley 3. Posterior a la activación volver a estado de reposo después de un corto tiempo. Una señal de peligro nos ayuda a identificar qué subconjunto características son de interés. Una señal de peligro convenientemente definida supera muchas de las limitaciones de la Negative Selection: Restringe el dominio de Self a un tamaño manejable, quita la necesidad de defender contra todo self, y se adapta mejor a ambientes donde los Self cambian constantemente. Uno de los desafíos actuales de los AIS es encontrar nuevas aplicaciones para estos, como pueden ser la aplicación de estos modelos a nuevas metáforas, nuevas bases teoricas a estos modelos, creación de un framework de desarrollo, integración de sistema inmune a otros sistemas como el sistema nervioso o endocrino etc.
Las posibilidades son muchas.... [1] Forrest S, Perelson A, Allen L, Cherukuri R, Selfnon. Self discrimination in a computer, Proceedings of the 1994 IEEE Symposium on Research in Security and Privacy, 202-212, 1994. [2] Uwe Aickelin and Julie Greensmith. Sensing Danger: Innate Immunology for Intrusion Detection. School of Computer Science University of Nottingham NG8 1BB U. [3] Frank Macfarlane Burnet. The Clonal Selection Theory of Acquired Immunity. Book. 1959. [4] Artificial immune systems: a new computational intelligence approach. Leandro N. De Castro, Jonathan Timmis. Springer, 2002. [5] de Castro, Leandro N., and Timmis, Jon, "An Artificial Immune Network for Multimodal Function Optimisation", Proceedings of the IEEE Congress on Evolutionary Computation, 2002. [6] Matzinger P, The Danger Model in Its Historical Context, Scandinavian Journal of Immunology, 54:4-9, 2001. [7] Uwe Aickelin1, Steve Cayzer. The Danger Theory and Its Application to Artificial Immune Systems Information. Infrastructure Laboratory HP Laboratories Bristol September 4th , 2002. | 
![[info]](http://l-stat.livejournal.com/img/userinfo.gif){kind=small}
deoxyt2's journal
