人工免疫是当前计算智能领域的新兴研究热点。本课题以人工免疫系统为研究对象,探索具有可扩展性、具有一定通用性的人工免疫系统模型,并依托四川省科技厅应用基础研究项目“智能入侵检测系统的关键技术研究”开展研究工作。本文在讨论免疫学基本原理的基础上,重点对两种特征编码进行深入的比较,总结和分析了它们各自的特点,并利用数据融合的思想将两者有机的结合起来,应用于入侵检测系统。本文首先分析、阐述了当前信息安全的危机、重要性及严峻性。讨论了信息安全和入侵检测系统的研究现状和发展趋势。现有的入侵检测系统由于缺乏智能性,不能自动适应网络的变化,对新的、未知的入侵或非法访问显得力不从心。加上目前的网络环境越来越复杂,网络用户成倍增长。因此要想建立一个成功的入侵检测系统,首先要解决提高其智能化程度的问题,本文讨论了如何才能让入侵检测系统具有自适应网络变化,自我学习、自我更新等相关问题,从而提高入侵检测系统的检测率。生物免疫系统(BIS)具有良好的多样性,耐受性,免疫记忆,分布式并行处理,自组织,自学习,自适应和鲁棒性等特点。BIS的这些诱人的特性,引起国内外的普遍关注。近年来,由于计算机网络安全问题与生物免疫系统所遇到的问题有着惊人的相似性,两者都在不断变化的环境中维持系统的稳定性,因此基于免疫原理的计算机安全问题解决方案倍受关注。本文的创新性在于引入了数据融合的思想,将实值编码与二进制编码有机结合,建立了一种实值编码的否定选择算法机制,这个机制仅用正常样本作为输入,自动生成异常样本。在实验部分,对实验过程、实验数据、算法参数对识别效能的影响等问题进行了详细的分析,给出了一个将两种编码有机结合的检测模型,该模型所具有的可扩展性,可用于分布式入侵检测系统中一个结点的结构,从而达到较高的检测效率。