随着Internet的高速发展，人们的日常生活和网络息息相关，网络安全问题日显突出。相对于静态的、基于包过滤策略的防火墙技术，入侵检测技术是一种动态的、以数据分析与处理为核心的网络安全技术，其通过收集和分析计算机网络系统中若干关键点的信息，检查网络系统中是否存在违反安全策略的行为。基于免疫学的入侵检测则是近几年入侵检测研究领域中的热点，其主要特点是利用生物体免疫系统的原理、规则和机制来实现对入侵行为的检测和反应，以此构建一个具有生物自然免疫系统分布性、多样性、自适应性、自动应答和自我修复特点的人工免疫计算机网络系统，使其具有检测异常现象、利用不完备信息进行检测的能力。本论文在系统分析前人相应研究基础上，主要完成了两方面的工作：提出了一基于基因分类思想的人工免疫入侵检测系统模型，并给出了模型的主要实现方法；将经过模拟退火算法改进过的遗传算法应用到模型系统基因库的生成和进化中。 同自然免疫系统一样，人工免疫入侵检测系统的核心任务是区分“自我”及“非我”。“自我”是指正常的网络系统行为，而“非我”是指异常行为，且常表示为“基因”，入侵检测系统则是通过由基因库生成的检测规则集来发现非己的网络通信模式(在免疫理论中称之为“负选择算法或机制”)，所以基因库的大小与有效性直接影响检测系统的检测性能与效率。本论文所提出的检测系统模型，通过将基因库进行有效分类——用户类、系统类、进程类和网络类，大大缩短了检测算法的搜索时间，提供了检测效率。模型的具体结构组成包括四个主系统和若干检测代理，四个主系统分别是用户类，系统类，进程类和网络类基因库的生成和进化系统。而检测代理为执行检测任务的功能模块，具有移动性和自适应性，由四个主系统分别独立产生，具体形成过程为：首先在各自的基因库通过随机组合，形成未成熟的检测代理，然后经过负选择得到成熟的检测代理。本论文模型结构描述中，还给出了由检测代理构成的检测器的设计、结构组成、生成算法与免疫匹配算法等。 由Holland创建的遗传算法是一种群体进化概率搜索算法，种群多样性和选择性压力的调和冲突是遗传算法在实际应用中面临的主要问题，其直接影响遗传