入侵检测是目前研究最多，应用最广的安全技术之一。入侵检测即识别出(最好是实时)对计算机及网络系统的非法的和未授权的使用、误用和滥用。我们可以把这个识别过程看成是一个分类过程(即区分出哪些是正常使用，哪些是非正常使用)。 本文的主要研究工作如下： 1．本文给出了基于小波网络的入侵检测模型，该模型结合了神经网络(自学习能力)与小波分析(最佳函数逼近能力)的优点。 2．该模型中的学习模块在解决实际问题的性能及效率很大程度上取决于合适的优化算法。故本文在该小波网络入侵检测模型的学习模块中使用了基于免疫的学习算法，克服了基于梯度的学习算法的收敛速度慢、易陷入局部最小的缺陷。 3．本文使用免疫克隆选择算法代替了基于免疫的学习算法，更好的实现探查、导引及收敛促成这三个需共同合作与相互平衡的过程，依据抗体——抗原亲合度动态分配克隆规模，通过构造更适应于特定问题的克隆算子，表现出更好的解决问题的潜力。 4．本文首次在小波网络入侵检测模型中的编码问题上使用了递阶结构的染色体编码，做到了真正意义上的网络结构与参数的同步进化。