Forrest提出的否定选择算法建立在传统的“自我/非我”识别模式基础上,该算法对自体集的完备性和洁净性要求较高,在实际应用中存在无法克服的局限性。SNS模型受到了挑战,新的免疫危险理论弥补了SNS模型的不足。危险理论认为,免疫系统并不对自体或非自体进行区分,而是对机体组织中的危险进行识别。在详细阐述了免疫危险理论的生物学原理以及现有的应用成果后,提出了基于危险理论的入侵检测系统的组件结构和框架。根据组件间的相互关系,对各模块的工作流程及特征给予了说明。在此基础上,详细设计了危险信号的检测算法和危险域的计算方法。目前基于危险理论的算法集中在对危险感知细胞机理的模拟。细胞生存的环境和危险信号感知的场所——组织却被忽略了。为了建立一个具有环境意识的入侵检测系统,本文将组织的概念引入AIS,在组织环境的构造中,应用数据场技术,在此基础上定义了系统元素并模拟了元素的状态变化,进而设计了一种危险感知的新算法,该算法通过检测系统元素的异常来发现危险信号并根据信号间的关联建立危险域。实验数据表明,新的算法充分体现了危险理论的优越性,具有更高的自适应性和高效性。