计算机网络的快速发展使人们面临日益严峻的网络安全问题,入侵检测作为一种积极、有效的网络安全手段,能够有效弥补防火墙的缺点。基于人工免疫的入侵检测系统借鉴了生物免疫系统复杂的信息处理机制,成为入侵检测领域的研究热点。本文在研究学习了入侵检测和人工免疫相关理论知识的基础上,对动态克隆选择算法在网络入侵检测中的应用进行了深入的研究。在动态克隆选择算法中,经过记忆检测器和成熟检测器检测之后的剩余抗原被作为自体供未成熟检测器耐受,但是有效检测器的覆盖范围是有限的,剩余抗原并非都是自体,有可能是未知的入侵类型。为了净化自体集,减少系统漏洞,本文提出利用聚类分析对剩余抗原聚类,从小簇中发现隐藏的未知入侵,并从中提取入侵模式添加到记忆检测器集合,减少系统漏洞的同时,加强了算法的学习能力。另外,传统的随机策略删除冗余的记忆检测器存在很大盲目性,本文提出与免疫网络算法结合,删除受激程度较小的冗余记忆检测器,对记忆检测器集合进行优化,以提高检测器的空间覆盖范围。同时,针对随机产生未成熟检测器效率较低的问题,本文借鉴基因库进化策略,对被删除的记忆检测器进行变异产生未成熟检测器,以提高未成熟检测器的产生质量。最后,基于改进的动态克隆选择算法建立了一个网络入侵检测模型,并对该模型进行了仿真实验。实验结果证明,改进后的算法增强了系统发现未知入侵的能力,提高了入侵检测的检测率。