随着网络技术的飞速发展和网络应用范围的不断扩大,对网络的攻击与破坏也不断增加。网络与信息安全逐渐成为Internet及各项网络服务和应用的进一步发展需要解决的关键.问题。入侵检测技术是继“防火墙”、“数据加密”等传统安全策略后的新一代安全保障技术,它可以识别针对计算机或网络资源的恶意企图和行为,并做出相应的反应,近年来得到了迅速发展,在网络与信息安全领域扮演着越来越重要的角色。本文讨论了入侵检测技术的分类、常用检测方法及工作原理,分析了目前入侵检测系统(Intrusion Detection System,IDS)存在的主要问题和发展趋势。传统的入侵检测技术存在许多不足,先进的检测算法是入侵检测研究的关键技术。本文将人工免疫网络算法和改进的模糊C均值(Fuzzy C Means,FCM)算法应用到IDS中。该算法是一种典·型的无监督学习技术,能够使用没有标记的数据生成IDS的分类器,并且能够检测新的未知攻击。论文的研究内容主要包括：(1)针对FCM算法需要人为的输入聚类数目C和对初始值敏感的确点,引入人工免疫网络算法；(2)改进了FCM算法,弥补了FCM算法只能处理数值属性的缺陷。(3)设计并实现了基于人工免疫网络和模糊C均值聚类算法的入侵检测实验系统,采用KDD CUP99数据集对算法进行了仿真实验。实验结果表明,该算法具有较高的检测率和较低的误警率,并对未知攻击有很好的检测能力。