基于数据挖掘、机器学习、人工免疫等智能技术的异常检测在计算机图形图像、网络安全等研究领域表现得格外活跃。人工免疫是一种模拟生物免疫的人工智能技术,其技术日益完善,功能日益强大,运用范围也日益扩大,将其应用于入侵检测系统中是应对网络入侵问题的前沿方向。当前人工免疫领域更多地使用实值形态空间,而实值形态空间存在重叠率高,覆盖不够全面等问题,基于邻域形态空间的克隆选择算法在多维属性样本情况下能很好地解决实值克隆选择算法的维数灾难问题,但这种算法的检测器生成效率低,优化过程容易早熟而陷入局部最优,检测准确性也不稳定。针对这些问题,本文将在邻域形态空间下对克隆选择算法加入DNA疫苗和自适应机制,并引入骨髓模型,提出基于DNA遗传算法的邻域检测器优化算法及其自适应优化模型,从多个方面为以上问题提出解决思路和方案。首先,算法使用邻域形态空间取代实值形态空间,并通过引入DNA机制优化邻域形态空间下的遗传算法,通过疫苗提取与自适应调整等手段,从DNA角度抽取基因片段并仿照生物芯片微阵列结构构造邻域DNA疫苗集,基于优秀疫苗构造候选检测器,并利用高频变异等算子构造加入相关DNA疫苗片段的候选检测器;然后,以基于邻域DNA遗传算法为核心,利用基于邻域的否定选择算法(Neighborhood Negative Selection Algorithm,NNSA)的亲和力计算判定候选样本其是否符合耐受训练要求,加快检测器优化的迭代速率。最后,加入生物免疫自适应机制,基于DNA遗传算法设计邻域检测器自适应优化模型,从而进一步动态优化检测器性能,构造符合实际需求的人工免疫异常检测模型,解决实值形态空间下检测器存在的优化早熟及局部最优问题,从而提高人工免疫入侵检测系统的检测性能。实验证明,优化后的邻域检测器在生成、优化速率及检测率等方面表现出了很好的水平。本文算法和模型可进一步完善人工免疫理论,使其更好地应用在入侵检测等实际应用中。