随着计算机互联网的快速发展和广泛应用,网络安全成了日益关键的问题。为了抵抗来自网络的攻击,计算机安全研究者们提出了许多安全保障技术,这些安全保障技术普遍着重于预防系统遭受攻击,而面对着种类越来越多、速度越来越快、破坏力越来越强的新型组合式攻击,仅仅进行预防还不够。于是近几年国际上又出现了一种新的网络安全技术——容忍入侵技术。基于分布式对象容忍入侵系统的研究是入侵容忍研究热点之一。在研究SITAR模型的基础上,给出了一种分布式对象容忍入侵系统的模型;并在该模型下探讨了分布式对象的对象恢复策略,和传统恢复策略相比,该恢复后的对象对原来的入侵攻击在某种程度上有一定的免疫力;而后通过一个实例模拟了本文的恢复策略的流程,使对象向前恢复到正确结果。虽然该模型下的恢复策略可以正确的恢复分布式对象但是该模型效率不高。针对上述分布式对象容忍入侵系统的模型效率不高,对该模型进行改进。为了减去了投票所花的时间,提高模型的恢复效率。用分类树可以提高本文的分布式对象容忍入侵系统的效率。通过分类树的分类和预测,来判断分布式系统中的对象是否受到攻击和判断受到攻击的类型。满足生成在分类树的性能、算法时间复杂度和空间复杂度的要求,给出一种自底向上的快速生成分类树算法。理论分析和实验结果表明该算法在时间复杂度和空间复杂度上取得了较好的效果。分布式对象容忍入侵系统恢复策略的研究不仅为容忍入侵恢复策略提供一种新的视角和手段,同时也丰富了分布式对象系统的研究内容。