传统的入侵检测大都基于专家系统,缺乏自适应性,对未知攻击的检测能力较弱。而人工免疫系统是一类基于生物免疫系统的功能、原理、特征而建立的用于解决各种复杂问题的计算系统。入侵检测系统与人工免疫系统有着很强的相似性,将人工免疫的众多特性引入入侵检测可以很好的改善入侵检测的效率。在详细阐述了人工免疫学的生物机理后,提出了一个基于人工免疫的入侵检测系统框架,该框架包含三个子系统和一个控制中心,具有良好的交互能力。子系统的设计基于危险理论和模糊关联规则挖掘。子系统的核心机制是多级检测器和危险信号的协同检测,检测器力求准确,具有自学习性,自适应性,为此,系统结合了模糊关联规则挖掘算法和免疫记忆原理构建初级检测器和记忆检测器,并借鉴克隆选择原理提出检测器的淘汰更新机制,有效的解决了免疫SNS模型自体库过大的问题。同时,提出了一种基于树突状细胞的危险感知算法,通过对系统中各种信号的关联,定量计算危险信号强度,确定系统是否处于危险,提高了系统对未知攻击的检测能力。实验表明,新的检测器比基于SNS的检测器有更好的检测率,自适应性和自学习性。