基于人工免疫的入侵检测系统中，不管是基于什么免疫原理的入侵检测系统，检测器都是其核心部件，检测器的生成速度和在非我空间的分布状况直接影响着系统的性能。目前基于人工免疫的否定选择算法对于高维的数据要求生成的检测器数量过多导致检测效率低，同时存在正确检测率低、误报率高等问题。针对上述问题探讨了入侵检测、人工免疫和否定选择算法的基本概念和研究现状，提出了改进的否定选择算法，以达到用尽可能少的检测器覆盖非我空间，提高正确检测率降低误报率。　　 改进的否定选择算法首先采用带权值的粒子群算法对初始检测器的分布进行优化，使检测器尽可能多地分布到异常样本密度大的区域中，这样只需要生成少量的检测器就可以尽可能多地覆盖非我空间就能产生很好的检测效果；其次，改进了在粒子群优化的过程中处理粒子之间的相互冲突的算法。为验证改进后的算法，基于MicroSoft Visual C++ 6.0和MATLAB 7.0构建了仿真实验平台，采用低维的人工生成数据和高维的KDD CUP 1999数据集对改进的算法进行了仿真实验，实验结果表明，改进的算法在不影响检测率的同时大大降低了检测器的数量，而且提高了正确检测率降低了误报率。　　 将粒子群算法应用到否定选择算法中，可以很好的优化初始检测器的分布，生成更好的覆盖非我空间的成熟检测器，有效地降低了检测器的数量，提高了正确检测率，降低了误报率从而提高检测系统的性能。