免疫入侵检测是目前入侵检测领域内一种非常有效的研究技术。它能够实时的对于系统内的异常和攻击作出判断并且发出警报。它的基本思想是，将免疫原理与入侵检测相结合，从而解决入侵检测技术的缺点。本文对当前主流的免疫入侵检测算法：二进制免疫入侵检测法和实值免疫入侵检测法，进行了深入地分析，详细的比较了这两个算法的优缺点，并根据当前国内外的研究现状，最后采用邻域空间作为免疫入侵检测的形态空间并在此基础上研究相关动态自适应机制。在研究邻域否定选择算法的动态自适应时，邻域形态空间的分配问题是现阶段的研究重点。在研究检测器集合的动态更新的问题时，应该将研究重点放在动态自适应的方向上。一旦更新过程出现错误，就可能会导致异常情况，造成系统性能降低。针对上面提到的问题，首先，对邻域形态空间进行了分析，发现现有的平均分配方法不能有效的表达网络特征向量。因此利用熵的离散化的方法来针对邻域否定选择算法进行改进，从而使其拥有自适应性。其次，利用邻域免疫入侵检测对于传统遗传算法进行了改进，改进后的免疫遗传算法能够对检测器集合进行有效的更新。在检测器集合更新的过程中实现算法的自适应性。通过本文的算法的研究，对邻域免疫入侵检测进行了自适应的性能改善，在保证系统稳定和尽量保留数据信息的前提下，使系统拥有了良好的自适应性，从而在系统环境多变的情况下能，保证系统有效的工作。