随着全球信息化的飞速发展,计算机网络安全问题日益突出,黑客入侵、信息泄密以及病毒泛滥所带来的危害引起了世界各国的高度重视。网络信息安全已成为以待解决,影响国家大局和长远利益的重大问题。如今单纯采用传统的防火墙、安全路由器以及主机上的访问控制、身份认证、数据加密等安全技术已不能有效抵御层出不穷的入侵方式。作为安全系统的重要组成部件和其他安全技术手段不可缺少的补充,入侵检测系统已经越来越受到人们的重视,人们对它的依赖程度也越来越高。自然免疫系统成功地保护机体,使其免受大量外来病原体的侵袭,而入侵检测系统与自然免疫系统具有本质的相似性。因此,生物免疫系统中的一些机制以其良好的自适应性和动态性被计算机网络安全领域的研究人员用来设计基于人工免疫的入侵检测系统,并取得了令人鼓舞的成绩。但是,传统基于人工免疫的入侵检测对于正常行为和非正常行为的定义仅限一次,无法根据实际网络环境中的变化做出调整。缺乏定量描述也是目前一些计算机免疫系统存在的问题,给实际应用带来了困难。论文围绕自体集的更新方法展开了较为深入的研究,主要研究工作如下:(1)对入侵检测进行了研究,分析了入侵检测的分类、主要方法及其不足、以及入侵检测的发展方向;(2)研究了自然免疫学和人工免疫系统,对基于人工免疫的入侵检测问题进行了系统的描述,全面地对比研究了人工免疫典型的算法,分析了它们的性能以及不足之处;(3)提出了一种人工免疫入侵检测中基于人工神经网络的自体更新方法,一方面设立了成熟检测器集的更新规则,另一方面利用人工神经网络良好的自学习性和自适应性,对自体库进行更新,从而使自体与成熟检测器达到与真实网络世界随同步动态演化的目的。最后论文完成两组仿真试验,实验结果表明,新模型的性能具有明显改善,达到了预期的效果。