生物免疫系统是一个自适应、自学习、自组织、并行处理和分布协调的复杂系统。人工免疫系统的研究旨在抽取生物免疫系统中独特的信息处理机制,研究和设计相应的模型和算法,进而解决各种复杂问题。基于免疫学的入侵检测是近几年来入侵检测领域研究的热点,它的突出特点是利用生物免疫系统的原理、规则与机制来实现对入侵行为的检测和反应。生物免疫系统的基本功能是识别自我和非我,并将非我分类清除,具有免疫识别、免疫记忆、免疫调节、免疫宽容和免疫监视等功能特征。通过深入研究生物免疫系统所蕴含的各种信息处理机制,构建和设计有效的入侵检测模型和算法,对于建立基于生物免疫系统的入侵检测新理论、新方法,改变当前网络安全状况具有至关重要的意义。本论文深入探索和研究生物免疫系统所蕴含的学习与检测机制,利用人工免疫技术,面向入侵检测系统设计出高效的模型和算法。本论文主要研究工作有:首先,在讨论了检测器的生成和更新的基础上,改进了现有的人工免疫算法,在协同刺激、记忆检测器变异、冗余消除、检测器进化等方面做了修改,使人工免疫模型更具合理性。其次,提出了改进的克隆选择算法用于检测器的进化,引入了遗传机制和再选择机制,生成具有更高检测效率的记忆检测器,并通过实验,证明了算法的优越性。再次,提出了改进的动态克隆选择算法用于入侵检测,引入了变异机制和冗余消除机制,并通过实验,证明了算法的有效性。最后,提出了一个基于免疫原理的分布式入侵检测模型,将上述两种算法运用到模型中,使整个系统具有更高的检测效率。