异常检测作为信息安全保障体系结构中的一个重要组成部分，很好地弥补了访问控制、身份认证、防火墙等传统保护机制所不能解决的问题。然而传统的异常检测系统在有效性、适应性和可扩展性方面都存在不足，尤其是在遇到新的入侵类型时变得无能为力。针对这些不足，本文提出基于免疫算法的混合智能系统，并将其应用到异常检测研究中。本文首先在对异常检测基本知识等进行介绍的基础上，提出了基于免疫算法混合智能系统的异常检测方案。本文综述了国内外异常检测的研究现状和应用成果，深入分析了异常检测的基本理论，并介绍了经典算法，以及对各种方法进行了综合比较。接着在基本理论分析的基础上，本文构建了集粗糙集理论、聚类理论、模糊逻辑理论、免疫算法理论、人工神经网络理论于一体的一个新的混合智能系统R-FC-CSNN。它先通过粗糙集将输入数据进行约简，然后用聚类技术将简化后的数据进行聚类，对不同的聚类使用经过克隆选择免疫算法改进了的神经网络进行训练，接着将这些经过不同神经网络训练的数据用模糊权值组合起来，放入新的用克隆选择免疫算法改进了的神经网络再进行训练，从而完成分类的整个训练过程。并且通过UCI下的6个经典数据集，对模型的有效性进行了初步检验。最后，本文在KDD99提供的实验数据基础上，经过预处理、特征属性选取等步骤，使用本文提出的基于免疫算法的混合智能系统，对入侵行为进行了检测，实验结果证明本文提出的模型具有较好的使用效果。