计算系统正在变得越来越复杂，未知的软件缺陷引发的软件衰退现象成为我们不得不接受的事实，因此有必要对软件抗衰关键技术进行研究，尽可能地降低计算系统性能衰退和意外失效所导致的损失。本文阐述了软件抗衰技术的研究背景和现状，对目前面临的一些问题进行了深入分析，并对软件抗衰的若干关键技术展开了研究，包括软件系统的性能参数识别和监控、性能衰退的检测算法、性能衰退的预测算法等，并在此基础上给出了一个抗衰解决方案，完成的主要工作和取得的研究成果如下：(1)从系统资源的角度，探讨了计算系统在运行时系统资源的表现行为对于系统性能的影响，识别了能够度量系统性能的参数集合。在此基础上，设计了一种性能监控工具，对数据采集、通信、存储等方面加以改进，以满足软件抗衰系统对于性能监控提出的低侵扰性、低延时性等需求。(2)针对现有的检测算法检测率不够高，而误警率较高的问题，从免疫学的角度，吸收了免疫机理中免疫识别的灵感，提出了一种基于免疫遗传的性能异常检测算法。算法对传统的阴性选择算法进行了改进，提出新的部分匹配规则代替r连续匹配规则度量样本距离，更好的反映正常和异常的界线；并创新性地把阴性选择算子添加到遗传算法中充当过滤器，有效的抑制了误警率增加，降低了由于检测率不高和误警率较高导致的高抗衰成本。(3)为了降低抗衰成本，提高系统的可用性，提出了一种组合小波分析和神经网络的算法来预测最优的抗衰时间。算法把原来的单层预测模型扩充为四阶段模型，提高了最优抗衰时间预测的准确性，避免了延误抗衰时机；同时考虑到系统实时负载对于抗衰决策有较大的影响，故采用了半马尔可夫过程建模负载，基于负载模型对系统资源耗费和抗衰时间进行预测，进一步提高了预测的准确性。(4)为了给软件抗衰提供有效的解决方案，借鉴生物免疫所具备的层次性、分布性、应答性和记忆性等卓有成效的自然防卫机制，从计算的角度，模拟上述机制采用Agent技术实现了性能监控、衰退检测和量化、抗衰决策、抗衰实施等关键功能，并给出了抗衰原型系统，为抗衰解决方案的深入研究打下了基础。