计算机网络技术的飞速发展，使得人们的生活发生了天翻地覆的变化，人们的生活越来越离不开网络的帮助。在这一过程中，网络的安全问题，尤其是入侵检测，始终是专家学者们关注的焦点。入侵检测在网络发展之初，就已经进入了人们的视野。随着网络的发展，入侵检测的手段和技术也在不断的进步，包括神经网络、遗传算法、支持向量等，都在这个领域有着不俗的表现。上世纪九十年代，新兴的人工免疫学，由于其在功能和特征上与入侵检测的相似性，迅速的成为了入侵检测领域新的研究热点。人工免疫学通过对生物免疫的模仿，首先对“自我”集进行学习，生成一系列成熟的检测器，然后这些检测器与待检测的数据进行相应的计算，从而在待检测数据中发现那些“非我”的部分。在生成检测器的算法中，最重要的就是否定选择算法。在本文中，将首先介绍人工免疫的基本原理以及算法，结合入侵检测，分析当前基于人工免疫入侵检测的一些科研成果，包括新的免疫算法、框架设计思路、在新领域的应用等，将人工免疫原理与入侵检测进行分析比较。在此基础之上，将免疫算法应用到不同数据集、不同数制的数据上，验证了免疫算法的正确性和高效性，并通过多次实验得到了较好的检测参数。最后，结合前人的工作成果以及实验的相关结论，本文设计了一个轻量级、高效的基于人工免疫算法的入侵检测系统。