计算机网络的广泛应用给我们带来了方便的同时，也产生了许多意想不到的问题，计算机安全就是其中一个突出的问题。网络入侵检测是信息安全体系结构中的一个重要组成部分，网络入侵检测系统的主要目标就是对正常行为和入侵行为进行区分。生物免疫系统BIS (Biological Immune System)具有良好的鲁棒性、多样性、适应性、动态性、自学习性和自治性等特点，为构建可靠的入侵检测系统提供了参考。在对几种人工免疫的基本算法和模型研究分析的基础上，本文针对其中的实值可变半径负选择算法进行了研究和改进。为了解决以往的实值可变半径负选择算法在异常检测中对于高维数据的检测中，正确检测率比较低，误报率比较高的情况，本文首先对检测器的生成算法采用检测器半径乘以一个比例系数的方式进行改进。通过上述改进后产生的检测器的数量过多影响了检测效率，针对这个问题本文又采用粒子群优化算法对检测器的分布进行优化，使检测器集中到异常样本密度大的区域，因此只产生少量的检测器就可以得到很好的检测效果。在优化的过程中对粒子群优化算法中出现的粒子之间相互冲突的解决方法进行了相应的改进，同时对于优化后的检测器覆盖自体训练样本的问题提出了相应的处理算法。并且通过低维的人工生成数据集和高维的KDD1999数据集进行了仿真实验，通过实验表明该改进算法对于高维的KDD1999数据和低维人工生成的数据都很有效，能够提高正确检测率降低误报率，同时减少了检测器的数量。