进入21世纪,互联网进入了一个快速发展的时期,其与我们的日常生活息息相关。人们在互联网上获取信息方便、高效。但是,互联网在方便我们的同时,暴露出来的安全问题也十分重大。企业系统、个人电脑内的信息被不法分子获取后,可能会造成难以估量的损失。在保护信息安全方面,入侵检测系统是一种能够对网络传输数据进行实时监测的系统,但是,当代网络发展迅速,需要检测的数据量越加庞大,造成入侵检测系统难以负担。于是,国内外的专家学者将目光聚集于基于免疫机制的入侵检测。在基于免疫机制的入侵检测研究中,针对传统的实值否定选择算法不利于高效分析数据而造成的检测器生成速度慢、检测效率低等问题,本文引入局部线性嵌入算法,借鉴该算法能对高维数据进行映射降维的特点,提出一种基于局部线性嵌入的免疫检测器优化生成算法。该算法利用局部线性嵌入对高维数据预处理优化降维,并结合实值否定选择算法生成检测器。本文将该算法用于检测模型,从而提升检测器的生成速率,并可保证生成的检测器高效地处理高维数据。针对选取不同的近邻点参数k值对检测效果影响较大的问题,通过引入确定合理k值的方法,利用更加合理的近邻点k值,提高运行效果。该算法在降维前后可保证样本的局部线性结构不变。在KDD CUP 1999数据集上进行仿真实验。结果表明,该算法在显著提高检测器生成速率和对数据的检测效率的基础上,检测性能也表现出了很好的水平。局部线性嵌入算法通过对免疫入侵检测中初期高维数据的预处理,减少了系统在检测过程中的计算量以达到提高系统实时性的目的。这对于免疫入侵检测的实际应用,意义重大。