随着计算机技术的发展,信息网络成为了社会正常运转的重要保障,大规模的网络攻击导致的信息泄露事件,造成的知识、财产损失不可估量,如何解决信息安全问题上升到国家战略高度。基于生物免疫学的人工免疫系统是利用人工智能手段模拟生物免疫系统的仿生技术,通过区分“自我”和“非我”达到异常检测的目的。阴性选择机制作为人工免疫学的核心算法,可以有效地保护计算机系统免遭异常入侵,对计算机信息安全的研究有重要的指导意义。本文详细阐述了阴性选择算法中两种数据处理方式,实值及二进制算法,并分别对这两种算法进行了仿真实验。主要针对二进制算法中的三种经典的匹配算法,包括r-连续匹配算法(Rcb),R-可变匹配算法(Rab)及海明距离匹配算法进行比较,并在此基础上结合Rab和海明距离匹配算法的优点,提出了一种改进的双重检测算法,通过实验仿真证明了改进的算法空间覆盖率更高,检测率也有明显的提高,在同等条件下的检测器数目大大减少,验证了算法的正确性。将改进的算法应用在实际检测环境中,针对Netsky、Bagle、Bagle1、MyDoom、Zhetalin及其变种的五类恶意代码程序,设计了基于双重检测算法的检测模型,产生能够覆盖更大范围的检测器集合,抵抗更多恶意代码的攻击。通过仿真实验证明了检测模型的准确性,说明改进的阴性选择算法对恶意代码的识别能力较强。