随着计算机网络的日益普及和应用,网络信息安全也越来越受到人们的重视。第一代安全保护技术采用认证、授权、访问控制、防火墙和加密等外围防卫机制来抵御入侵行为,但对于日渐复杂的网络系统,这些被动的防御措施已经力不从心。入侵检测作为第二代网络安全技术,目前受到了国内外的广泛重视。由于海量网络数据的多样性,不确定性和入侵手段的不断更新,使得对网络数据的编码和其特征的分析方法难以适应现实需求,入侵检测存在着一些有待解决的问题。近年来,基于生物界免疫系统原理提出的新兴智能计算技术——免疫算法(Immune Algorithm)正逐渐成为新的理论研究热点。作为免疫算法的一种基本算法,克隆选择算法受到了很多人的关注。本文在研究免疫原理及克隆选择原理的基础上,对现有的克隆选择算法作出了改进。本文依托四川省科技厅基础研究项目“智能入侵检测系统的关键技术研究”,主要工作从总体上对入侵检测、生物免疫系统的原理和工作机理进行了介绍;本文提出了一个动态克隆选择算法和免疫网络相结合的新入侵检测算法;并对算法的效率进行了模拟实验验证。在对原有算法的改进中,将基因库和高频变异加入动态克隆选择算法,提高检测器的进化速率。将免疫网络与动态克隆选择算法结合,消除成熟检测器中存在的冗余,提高检测器的生成效率。对算法中记忆检测器的生成加入变异和竞争,促进记忆检测器的进化,提高群体的亲和力水平。在模拟实验中,采用了美国哥伦比亚大学计算机科学系入侵检测研究组提供的网络入侵测试集对系统原型进行了验证,系统模拟实验的结果证明,改进后的算法在收敛速度及检测效率上有了提高。