伴随着当代科学技术的高速发展,设备具有越来越高的集成度,也变的越来越复杂,作为承载各种信息的网络已成为人们生活中不可或缺的一部分。但是,网络在日常的运行中会不经意的发生一些故障,导致人们不能正常进行日常工作,及时找到故障发生的原因并迅速的处理故障才能保障网络的正常运行。故障诊断技术的兴起,为提高网络系统的安全性和可靠性开辟了一种新的方法,它的产生、兴起和快速发展,是顺应当代实际应用需求以及多学科理论发展两方面交替作用的结果。人工免疫系统中以区分“自体”和“非自体”为主导的传统"Self-NonSelf(SNS)"免疫模型,因其自身的设计缺陷,导致无法很好的识别未知的自体以及非自体,从而使算法在实际应用中产生较高的误报率和较低的识别率。危险理论以危险信号为先导只识别系统中发出危险信号的细胞周围区域中的抗原,这样可以很大程度的降低系统的计算开销,实际操作性更强。传统免疫系统为使能匹配更多范围的抗原,在生成抗体时需要不断进行变异,但是危险理论不是以识别自体和非自体为基础的,只是响应危险信号。因此即便是“自体”发生了变化对以危险理论为模型的系统影响也较小。由此可见,危险理论模型具有很强的容错性以及较强的自调节性。本文所做的主要研究内容有：(1)课题对危险理论进行了深入研究,分析了危险理论中最经典的树突状细胞算法(Dendritic Cell Algorithm, DCA)存在误识别的原因,并通过在算法中加入动态迁移阈值的概念有效的改进了算法的识别效率。(2)在详细研究了动态克隆机制之后,提出对动态克隆选择算法中的成熟检测器进行克隆变异操作,在算法的每次迭代之后根据成熟检测器与抗原的亲和力大小进行排序,将成熟检测器集合划分为记忆单元和一般单元,并依据一定的概率对两个单元进行不同程度的克隆变异操作,既保留优秀个体又对较差个体进行优化,从而提升成熟检测器的质量。(3)将本文提出的改进DCA算法与动态克隆选择算法相结合,提出一种新的网络故障诊断模型,并对成熟检测器的生成策略进行了改进优化。新的模型结合了改进DCA算法良好的分类效果以及动态克隆选择算法的动态适应性,经过试验验证,该模型用于网络故障诊断可以有效的提高故障的识别率。