针对经典的多安全策略支持结构,特别是通用访问控制框架(Generalized Frameworkfor Access Control,GFAC)在加入多个安全策略后效率明显下降的问题,借鉴人工免疫系统(Artificial Immune System,AIS)所具备的强大的学习、识别和记忆能力以及分布式、自组织、多样性等特性,本文将AIS的一些原理和机制应用于访问控制技术,提出了一个基于免疫机制的通用访问控制框架(Immunity-based GFAC,IGFAC)。文章首先描述了该模型的体系结构及其访问控制流程并定义模型中各要素;其次,结合实际访问请求规律及免疫系统特点,给出了模型中抗原和抗体的定义及表示、数据的预处理、成熟细胞和记忆细胞的产生等;最后,详细阐述访问控制决策部分。在该部分,根据GFAC在做出决策时频繁访问ACI导致访问控制效率降低这一事实,将免疫应答机制引入到模型中,着重研究实现该部分的几个潜在的免疫机制,包括免疫识别、免疫学习、免疫记忆、动态更新等的具体实现,并给出相关算法。仿真实验发现,IGFAC比GFAC在时间效率方面具有较大的优势,原因是IGFAC通过引入免疫机制,不仅可以保存决策结果,减少访问ACI的次数,而且还能记忆频繁发生的访问,以更快的速度进行响应。性能测算表明,IGFAC在保留通用访问控制模型良好特性的前提下,不仅有效地提高了系统访问控制决策的效率,同时具备一定的自适应性和多样性等特点,从而为该模型的推广创造了条件。