随着网络的普及,网络蠕虫的快速传播成为网络系统安全的重要威胁。蠕虫通常使用网络扫描功能来探测远程或本地主机的信息,这种异常扫描是网络蠕虫传播的前提条件。针对免疫学模型应用在入侵检测方面存在的低效率与高复杂性等问题,本文引用人工免疫学中的新理论-危险理论,结合蠕虫扫描的特点,系统地对蠕虫扫描进行了综合研究。主要内容包括:本文分析了网络扫描的原理与技术,总结了蠕虫使用网络扫描的策略与特点,分析了现有蠕虫检测方法存在的问题。文章通过对人工免疫系统的三种模型的研究,分析了传统免疫模型应用于入侵检测中存在的问题,得到了危险理论的优点。利用危险理论的树突状细胞算法,结合蠕虫扫描特点,提出了基于树突状细胞算法的蠕虫的异常检测模型。实验结果显示,模型能够实时地检测出已知与未知蠕虫,具有效率高、负载低与误报率低的优点。利用危险理论的Toll样受体算法,结合蠕虫的扫描行为特点与蠕虫的数据包负载特征,提出了基于Toll样受体算法的蠕虫检测的模型。模型利用人工神经网络对蠕虫的扫描行为进行异常检测,同时根据蠕虫发送的数据包,利用Toll样受体算法对蠕虫进行误用检测,模型很好地结合了蠕虫的行为特征与蠕虫发送的数据包的结构特征,能够有效地检测蠕虫。