随着互联网的普及与应用,当前的计算机系统已经发展成为了复杂的、开放式的系统,这给社会的发展和人们的生活带来了极大的便利,但是网络规模不断扩大的同时也极大地促进了网络入侵的机会,网络入侵检测技术作为网络动态安全的核心技术之一,得到了广泛的关注。本文致力于将生物记忆机制和不确定性原理融入到入侵检测系统中,使得入侵检测系统更加智能化。本文在对当前网络安全及入侵检测系统的现状进行分析的基础上,主要工作如下：(1)将模糊原理和记忆原理相结合,对传统的记忆元进行扩展,使其能够对系统行为的正常度和异常度同时记忆,提出了基于生物模糊记忆的入侵检测模型,给出模型框架和详细定义的同时,详细论述了记忆元更新、衰减过程,相关的算法和实例分析结果；(2)将双枝模糊理论与生物记忆原理相结合,同时应用无后效性的隐马尔可夫过程来分析网络上的顺序活动,形成了基于双枝模糊记忆的隐马尔可夫入侵检测模型,该模型记忆正常度和异常度的同时记忆该系统活动对网络正常或异常的影响程度,对于误用入侵和非规则入侵分别使用小脑和大脑区别记忆,在进行记忆更新、衰减的同时,使用隐马尔可夫过程进行分析,实例证明其有非常好的检测效果；(3)将生物免疫原理和突变理论相结合,提出了基于生物免疫突变的入侵容忍触发模型,该模型使用对象检测集、未成熟检测因子集、成熟检测因子以及记忆检测因子等来对生物的免疫过程进行模拟,同时加入容忍突变检测机制来对系统的性能进行分析,使得系统具有一定的容错特性,并用实例验证了其可行性和使用效果。本文以记忆原理为出发点,将模糊集、双枝模糊集、免疫原理、突变理论等融入到当前的入侵检测系统框架中,在如何试图使得入侵检测系统更加智能化的发展方向上提供了一定的参考和提示。