随着计算机技术和网络技术的飞速发展,各种信息系统的广泛应用,计算机安全问题也日益突出。许多传统的安全技术面对高速网络时无法快速的检测出入侵攻击,不能识别新型的攻击类型。入侵检测作为一种主动防御的安全技术,已经成为当前计算机安全技术研究的重点。生物免疫系统具有很强的自我保护功能,能够有效识别自我和外来病原体。人工免疫系统模仿了自然免疫系统的功能,将其应用于入侵检测系统能有效地检测出正常和异常连接,较好的弥补了入侵检测系统检测率低下,误报较高的缺点。目前基于免疫机理的入侵检测算法和模型已成为入侵检测研究中的热点。本文在研究基于免疫机理的入侵检测系统的研究现状的基础上,深入探索了人工免疫系统的工作机理,从检测器生成模块和入侵检测模块两个方面对基于免疫机理的入侵检测系统做了研究。本文研究的目的就是利用免疫系统的机理再加上量子计算来设计新的模型,解决网络入侵检测问题。本文所做主要工作如下：(1)针对Forrest和Kim设计的两种传统入侵检测模型存在的检测器数量较多,覆盖率低下以及不适合动态网络环境下的入侵检测情况,本文设计了基于量子免疫机理的新型网络入侵检测模型。并对该检测模型的结构框架、工作原理以及该模型的主要特点和存在的问题进行了详细的研究与分析。(2)对基于量子免疫机理的网络入侵检测模型中的两个主要模块检测器生成模块和入侵检测模块的算法进行了详细的设计。检测器生成算法的基本思想是首先通过学习自体模式,训练出多样性高的抗体,然后用于真实数据的检测,取得了较好的实验效果。针对传统的r连续匹配规则在免疫算法中的缺点,本文设计了改进的r连续匹配规则,将其应用于入侵检测模块的算法设计,更好的提高系统的检测率。(3)利用数字仿真技术对该模型算法的可用性进行验证。首先提出该仿真实验的目的,采用了经典的入侵检测数据集,并对数据进行了处理,最后通过多次仿真实验及其实验结果分析,验证了该模型的可用性和实用性。