计算机病毒检测一直是计算机安全领域的热点问题，原始的病毒防御方法早就不能达到计算机病毒实时检测的需求，鉴于计算机病毒检测与人工免疫系统的巨大相似性，模仿生物免疫系统成功护卫机体的机制，将人工免疫原理应用于计算机病毒检测，使病毒检测系统的性能得到提高。否定选择算法提出来以后，许多学者对病毒检测的原理和技术进行了深入的探寻，病毒检测领域取得了长足发展。否定选择算法的核心技术要素包括以下几个方面：数据和检测器的表示方法；字符串或向量空间的匹配规则的选择；检测器的生成机制；检测器的存储形式。而检测器的生成机制是病毒检测技术的核心问题。本文在深入分析了病毒检测技术的原理和方法后，重点对否定选择算法进行了深度剖析，从检测器的生成和漏洞检测方面进行了改进。针对现有的检测器生成机制存在大量冗余和时间损耗多的弊端，提出了一种基于集合间划分与覆盖关系的高性能检测器生成算法，提取出所有自体集合的以r为长短的段的补集合，在连接策略上进行改进，尽量达到集合的划分，产生能覆盖最大非自体空间的最小检测器集合，降低产生检测器时耗费的时间和检测器数量，扩大等量检测器的覆盖范围，提高检测效果。仿真实验验证了方法的检测效率和时间空间方面的优越性。任何一种匹配规则都不可避免的会产生检测漏洞，漏洞的存在严重影响了病毒检测算法的性能。提出了一种新的检测漏洞的方法，该方法利用改进算法的未被利用的补集和自体集的信息，此种方法能检测出全部的漏洞，漏洞集合具有完备性。创建了一个基于改进算法的计算机病毒免疫检测模型，用仿真实验对模型的性能进行了分析与对比。仿真结果表明基于改进否定选择算法算法的病毒检测模型对已知病毒，未知病毒和已知病毒的变种都具有较高的检测效果。