互联网技术的发展给人们带来便利的同时也伴随着网络安全问题,为保护网络环境中个人信息不被侵犯,防火墙、数据加密、入侵检测等技术被广泛使用。其中,入侵检测技术是维护网络安全的典型技术,其通过识别并响应攻击数据来维护主机或网络安全。否定选择算法（NSA）是模拟人体免疫系统识别自体和非自体以保护机体不受伤害而抽象出来的算法,其原理与入侵检测过程有很大的相似性。因此,否定选择算法应用于入侵检测是目前入侵检测研究的一个重要方向。随着信息技术的发展,网络攻击行为特征呈现多样化。实际网络入侵防护中攻击类型会随着时间、网络环境及入侵者所掌握的信息技术等的变化而发生改变,而传统否定选择算法主要关注已有数据样本下检测器的检测效率,其运用于入侵检测时在多变的攻击环境中会随着时间推移出现检测率低、误报率高等问题。基于此问题,结合遗忘机制在变化的环境中指导新旧知识更新交替的能力,本文提出了基于遗忘机制的否定选择算法,使检测器能够随着外部环境因素的变化而自我调节,并将该改进算法应用于入侵检测模型。本文主要工作如下:（1）针对检测器滞留导致的检测时长过长问题,首先利用遗忘机制中指导处理过时记忆的衰减理论,将在时间推移过程中逐渐不适应当前检测环境的不活跃检测器适当遗忘,缓解检测器滞留以降低检测时长;然后利用遗忘机制中指导处理新旧记忆间一致或冲突问题的干扰理论,根据检测结果促进或抑制检测器的活跃度,并优先使用较活跃检测器。（2）针对检测器在数据环境发生变化后检测率下降、误报率升高的问题,借鉴遗忘机制中指导处理应激性记忆的应激性遗忘理论,快速遗忘检测过程中突然变为不合格的检测器,并在新的数据形态下补充检测器,降低误报率的同时保证了检测率。（3）针对入侵检测中难以在复杂多变的网络环境中保持良好检测效果的问题,在使用数据集UNSW-NB15和数据集NSL-KDD验证了改进算法有效性后,将改进的算法应用于入侵检测,并构建基于改进算法的入侵检测模型。为验证模型在实际网络数据中的检测效果,采用常用的入侵检测数据集NSL-KDD和CSE-CIC-IDS2018模拟网络流量中的各种访问连接。实验结果显示本文模型随着入侵数据的改变,能及时调整检测器以适应当前攻击环境,相较于对比模型更为稳定。