随着计算机网络技术的不断发展,网络规模的不断扩大,网络应用的日益增加,原有的网络故障管理系统由于功能单一、操作复杂、效率低下,已越来越难适应用户的需求。如何保证网络快速、安全、稳定地运行已成为当今研究人员所关注的热点。而网络故障产生的原因很多,现有网络结构复杂、信息量巨大,从而使已有的网络故障诊断工具以及相关技术难以解决所有网络故障问题。引入智能技术已经成为网络故障诊断领域的必然趋势。本文在深入分析生物免疫机理和研究具有高度自适应、自控制、自学习的agent技术的基础之上,针对目前网络拓扑结构和网络故障的特点,提出了一种免疫算法与agent技术相结合的网络故障诊断模型。此模型主要由数据采集agent、诊断agent、通信agent、决策agent、知识管理agent以及系统管理agent组成,且agent职能不同,各有分工。该模型主要有两个特点:(1)利用了人工免疫系统的信息处理机制的自学习、自组织、自适应等特点使其能够适应复杂的网络环境;(2)在分布式环境中,按照网络的不同特征和环境差异,利用不同功能、不同类别的agent进行故障诊断,同时各agent之间能够互相协作,彼此进行信息交流,从而对所获得的故障类型进行诊断,极大地提高了网络故障诊断实时处理效率。论文研究了agent的通信机制,并设计了免疫agent系统架构及免疫agent的模型,最后将疫苗的概念引入现有免疫克隆算法中,将其应用于该模型的中心抗体库中,实现对网络故障中接口组故障的诊断。通过仿真实验,表明该模型能够对网络接口组故障类型进行有效的判定。