RFID系统因为无线信道的开放性、标签存储计算的脆弱性和应用的分布性等技术特点，容易遭受标签重构、阅读器窃取、拒绝服务、口令猜测、非法访问等攻击。目前的RFID安全策略中，物理方法因为仅针对用户隐私并且需要额外的物理器件而降低了方法的可操作性，加密认证方法则无法突破标签脆弱的存储计算能力和加密算法复杂性之间的矛盾。本文提出用入侵检测方法来提升RFID系统的安全性，通过分析阅读器与标签之间的操作日志识别出阅读器窃取、拒绝服务、口令猜测及等常见的主动攻击以及未知非法操作，因不需要改变现有技术标准，具有较强的应用价值。在理论方法上，参考生物免疫机理的自学习、自适应、分布式处理等优点，研究RFID分布式入侵检测结构模型、入侵信息收集方法、入侵识别方法和检测器生成方法，结合Agent软件建模技术研究RFID入侵检测方法模型的实现。　　 本文的主要工作和创新成果总结为如下几点：　　 （1）建立了RFID入侵检测多Agent结构模型。借鉴生物免疫系统的组织结构，采用多Agent建模方法将RFID入侵检测分解为由信息收集器、检测器中心和入侵监视器等三类Agent组成的多Agent结构，各Agent承担独立的子目标，相互协作完成RFID入侵检测任务。多Agent结构不仅分解了RFID入侵检测系统复杂度，Agent的自治性和分布式部署使系统具有良好的健壮性。　　 （2）提出了RFID入侵信息的定义及其采集计算方法。参考生物免疫系统抗原提呈，基于RFID的应用特征定义了抗原决定基，基于已知入侵的统计特征定义了危险信号。提出基于无线信道和RFID中间件的抗原决定基和危险信号采集计算方法，奠定了RFID入侵检测的数据源基础。　　 （3）提出了分层防御和协同检测的RFID入侵识别方法。参考生物免疫系统的层次防御和免疫危险理论，建立了基于规则检测器、适应性检测器、协同检测器的RFID入侵识别方法模型，该模型在降低误检率和漏检率方面取得了较好的平衡。参考免疫记忆机制建立了适应性检测器的亲和力成熟和记忆模型，提升RFID入侵检测的效率和自适应能力。　　 （4）提出了基于阴性选择的RFID适应性检测器生成方法。首先针对阴性选择算法存在的检测器生成速度慢、匹配阈值难确定、实际漏检率与期望漏检率误差较大等问题，采用免疫网络调节、克隆选择和变阈值匹配等思想改进阴性选择算法，提出了基于免疫调节的阴性选择算法，对比仿真实验表明，改进算法能自适应地确定匹配阈值，并且在检测器生成效率和检测性能方面有显著改善。然后提出了基于改进算法生成RFID适应性检测器的方法。模拟RFID应用场景进行的RFID适应性检测器生成实验表明，改进算法在生成检测器时平均仅用了186秒，各类RFID非法操作的漏检率非常接近期望漏检率。　　 （5）提出了基于免疫网络的RFID协同检测器生成方法。首先针对aiNet聚类算法存在的因记忆网络缺乏整体进化目标而在迭代中可能退化的问题，参考矢量数据压缩质量评价方法定义了记忆网络的进化目标及疫苗注射策略，提出了基于目标进化的aiNet算法（OE-aiNet）。仿真实验表明，改进算法能比aiNet取得更好的压缩和聚类效果。然后提出了基于OE-aiNet的RFID协同检测器生成方法。模拟RFID应用场景进行的RFID协同检测实验表明，采用多维特征元素生成的检测器对各类已知攻击的检测率均超过98％，对未知攻击的检测率达到93％。　　 （6）提出了基于BDI Agent的RFID入侵检测模型的实现方法。面对BDI Agent理论对实现过于抽象的现状，将BDI Agent的概念基于面向对象进行转换，提出了基于事件驱动的BDI Agent可复用实现框架，并基于该框架编程实现了RFID入侵检测方法模型的信息收集器、检测器中心和入侵监视器等Agent。　　 论文最后构建了RFID入侵检测的实验系统，为研究的进一步开展奠定了基础。