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，基于人工免疫的入侵检测系统是近年来入侵检测领域的研究热点，它利用自然免疫系统的原理、规则与机制来实现对入侵行为的反应和检测。入侵检测器是入侵检测系统的一个核心组件，检测器的好坏决定了整个系统的性能。论文围绕入侵检测器的生成模型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，将基于人工免疫的检测器生成算法大致分为三类，结合理论分析与仿真实验，全面地对比研究了这些典型的生成算法，总结了它们的性能以及不足之处。 ③借鉴自然免疫学中的抗体的生成机制，设计了两个新的算法：一是为了避免检测器之间的重复，提高检测器的“非我”空间的覆盖率而提出的基于相似性和亲和力相结合的概率选择算法，并给出了此类概率选择的一般形式，理论分析了算法中的权重参数α。二是在产生子代检测器时，为了使得父代的优良基因能最大程度地遗传给子代，防止交叉变异中的退化现象，同时提高检测器的多样性，提出了检测器有效因子的概念和使用有效因子进行的保优策略。 ④提出一种新的检测器的生成模型，并将两个新算法应用于其中，详细分析了该模型的性能。论文完成了两组实验：其一是仿真实验，选择出了最佳的权重参数α值和有效因子的长度阈值Neg，对实验结果进行了分析，证明合适的权重参数α以及有效因子的长度阈值Neg能使该模型具有很好的多样性和适应性，呈现出较高的“非我”检测率和低的误检率；其二是采用了KDDCup1999Data的数据集，并与传统的检测器生成算法做了比较，实验结果表明，新模型的性能具有明显改善，实验效果较好。