人类免疫系统对人类健康特别重要，因为它能检测、识别、记忆和消除外来的病毒和内部的病变，这些病毒和病变有时是未知的，甚至是相当复杂的。受自然界的灵感启发，人工免疫系统对计算机世界特别重要，因为它用来检测、识别、学习、记忆和消除计算机病毒、故障等特定目标，这些特定目标也可能是未知的、非常复杂的。但是，由于生物免疫学理论的不完备，人工免疫系统的发展存在两大瓶颈。其一是传统的病毒／异常检测方法建立在对病毒和异常的特征匹配基础上，而未知病毒和未知异常的特征可能是未知的，因此在理论上不可能达到100％的检测率。其二，不完善的病毒／异常检测机制进一步导致了较低的病毒识别率和异常识别率，限制了受损计算机系统的修复程度和效率。为了突破人工免疫系统研究的瓶颈，更好地展开抗蠕虫病毒和软件故障诊断的应用基础研究，根据组件的时空属性构建了系统的正常模型，在自体存储器中存储了正常模型，用正常模型设计了自体／异体检测方法，在时空属性数据正确并且自体／异体检测算子正常的环境中从理论上达到了100％的检测率，提高了异体识别率和系统修复率。在免疫计算的建模方面，提出了人工免疫系统的自然计算模型，建立了从自然免疫系统到人工免疫系统的映射。提出了免疫系统的正常模型，并在正常模型的基础上提出了自然免疫系统的3层可视化免疫模型，包括固有免疫层、适应性免疫层和免疫细胞层。提出了人工免疫系统的正常模型，用时空属性唯一确定了系统的正常状态，并在正常模型的基础上提出了免疫计算的3层测不准有限计算模型，3层包括固有免疫计算层、适应性免疫计算层和并行免疫计算层。在所述正常模型的基础上，提出了通过自体检测来检测异体的自体／异体检测方法，在时空属性数据正确并且自体／异体检测算子正常的条件下其检测率在理论上可以达到100％。提出了未知异体学习模型，通过已知异体的特征学习未知异体的特性。提出了异体消除方法和基于正常模型的受损系统自修复方法，该方法提高了系统修复的效率。在免疫计算新模型的免疫算子设计方面，提出了所述人工免疫系统的正常模型构建算子，将正常模型的数据添加到自体存储器的时空属性集合中。提出了基于正常模型的自体／异体检测算子，提出了已知异体识别算子和未知异体识别算子。设计了异体消除算子，并提出了基于正常模型的系统自恢复算子。在免疫计算的特性分析方面，提出了自然免疫系统和人工免疫系统的测不准特征，人工免疫系统的测不准特性启示研究人员更加重视对自体／异体检测和受损系统自修复的研究。提出了免疫计算的计算有限性，利用并行计算机制能提高免疫计算的负载极限，并降低人工免疫系统在超负荷的情况下出现自我毁灭后果的可能性。提出了人工免疫系统的鲁棒性判定定理，并提出了理想型分布式人工免疫系统的鲁棒性归约模型及其定理。在免疫计算新模型的实际应用方面，设计了用于抗蠕虫病毒的静态Web免疫系统原型，并进行了大量的应用测试。提出了免疫控制的四元结构和自然计算体系结构。设计了用于软件故障检测与诊断的人工免疫系统方案，并在一些移动机器人上进行了软件故障诊断的应用实验。