1、隨著網絡安全越來越受到重視，以防火墻為代表的傳統安全防護技術越來越不能適應時代的發(fā)展。入侵檢測技術作為一種新型的動態(tài)防護技術，很好的彌補了它的缺點，是現代網絡防護體系的一個重要組成部分。由于受到自然免疫系統的啟發(fā)，基于人工免疫理論的入侵檢測技術受到了人們的關注。它具有分布式、多樣性、健壯性、自適應性等諸多好處，為當前入侵檢測技術研究提供了新的方向。
　　 在基于動態(tài)克隆選擇的免疫入侵檢測系統中，成熟檢測器的質量對于系統性能有重要

2、影響，一個覆蓋所有非自體集的檢測器集能有效的提高檢測效率和準確率。首先現有的成熟檢測器集存在的重疊現象，既浪費了寶貴的檢測器空間，又不能很好的覆蓋非己空間;其次系統為了保證合適的誤檢率需要過多的人工刺激，這樣降低了系統的靈活性，對于系統的性能也會產生影響;最后目前基于人工免疫的入侵檢測系統只能檢測出是否發(fā)生入侵，而不能識別異常數據的類型，然而這對于分析網絡入侵行為具有重要意義。
　　 為了讓檢測器能夠識別異常數據類型和解決檢測器

3、重疊的問題，本文提出了一種檢測器的標識學習和優(yōu)化算法。算法對初始化的成熟檢測器以每個非己抗原為中心進行聚類學習，得到每個類內檢測器的標識，用以識別異常數據的類型;同時為了解決重疊問題，在經過N代之后，對成熟檢測器集進行優(yōu)化，對濃度較高的類內部分檢測器進行變異和刪除，保證檢測器的多樣性，提高檢測器對非己抗原的覆蓋范圍。
　　 針對人工刺激請求過多的問題，本文考慮添加一個基于貝葉斯和決策樹的協同刺激模塊來代替管理員人工干預，需要協同