随着计算机网络的广泛应用,网络安全问题已经越来越受到人们的重视。入侵检测是信息安全保护体系结构中的一个重要组成部分,确保计算机网络资源的安全性。入侵检测的关键问题可归结为对合法用户和合法授权的行为等(自体)与黑客和病毒等(非自体)的区别,这和免疫系统很相似。基于免疫的入侵检测是近些年来入侵检测领域的研究热点问题,它的突出特点是利用免疫系统的原理、体系结构和有关算法来实现对入侵行为的检测。本文针对目前入侵检测系统中存在的可扩展性和自适应性较差,且不能有效检测未知入侵行为的问题,借鉴了免疫系统中的否定选择算法。通过深入研究,找出算法中存在的不足,即在检测器的产生阶段存在自身匹配的问题,这样就造成了覆盖空间的重叠,降低了检测效率,匹配异常行为的数量也大大降低。为解决这一问题,本文提出了一种新型入侵检测模型。在研究中,将原有的否定选择算法进行了改进,增加一步排除检测器自身匹配的过程,通过试验,分析试验结果,对比原有算法和改进算法验证了此改进算法的可行性。分析了网络入侵检测模型的基本原理,阐明了模型中各个模块的实施细则,并通过实验测试了所提出改进的否定选择算法在检测的性能上的提高,误报率基本一定的情况下,检测率比原有算法增强。最后对此研究工作进行了总结,提出了下一步的工作思路。