随着计算机网络技术的飞速发展和应用规模的不断扩大，网络安全问题日益凸现，开发出一种新的更有效的方法来保障网络安全已迫在眉睫，入侵检测技术现在已成为全世界关注的焦点。目前较为成熟的入侵检测产品大多采用误用检测技术，该技术具有很高的检测精度，但必须对入侵模式有事先了解，因此无法有效的检测出不断翻新的入侵手段。计算机免疫学从自然免疫系统中汲取众多优秀的思想，可以为入侵检测提供强大的异常检测能力，但目前对这一应用的研究还不够成熟，离实际的产品还有一段距离。作者通过对一些文献资料的研读和总结，对其中的关键算法问题进行了研究，并做出了大量的实践工作，取得了一定的进展。 论文的主要内容包括：首先，讨论了入侵检测技术及其发展状况，从入侵检测的角度，了解了计算机免疫学的各个方面；然后，通过对克隆选择原理的深入学习和实验测试，证明了克隆、高频变异等过程在免疫学习中的作用；入侵检测应用是本论文的基础，动态克隆选择算法是专门提出用于网络入侵检测环境的算法，论文对其进行了详细的研究并在其基础上提出了改进的动态克隆选择算法，改进算法提高了异常检测性能并降低了系统的误检测概率；最后，简要的指出了现有研究的不足之处，如对自然免疫系统理解的不充分、算法设计的过于简化、需要过多的人工干预等。