所谓“免疫”原由拉丁字“immunis”而来，其原意为“免除税收”（exceptionfromcharges）， 也包含着“免于疫患”之意。免疫学是研究生物体对抗原物质免疫应答性及其方法的生物-医学科学。免疫应答是机体对抗原刺激的反应，也是对抗原物质进行识别和排除的一种生物学过程。

免疫(Immunity)
纸机体识别和排除抗原异物，维持机体生理平衡和稳定的功能。
免疫学(Immunology)
研究机体免疫系统的组成(免疫器官、免疫细胞和免疫分子),识别(自己、异己)并消除(异己)有害生物(体外入侵，体内产生)及其成分的应答过程及机制的科学。

建立计算机免疫系统的基本问题是确立生物免疫系统和计算机免疫系统之间的基本元素对应关係，主要模拟生物免疫系统中有关抗原处理的核心思想。包括抗体的产生、自体耐受、克隆的扩增、免疫记忆等。

病毒检测
人工免疫理论的在病毒检测中的基本原则是，把计算机系统（网路系统）看做“自体”，把病毒（或入侵）看做“非自体”或者“抗原”，与已知病毒相应的可以生成“抗体”，该抗体能够识别“抗原”，“抗体”按照一定的算法进行变异和进化，可以实现免疫应答（即一次应答识别新“抗原”，二次应答识别旧“抗原”），并保持自适应性和自稳定性的特徵。所以说，基于人工免疫理论的反病毒方法能够自适应识别新病毒。

国外套用
美国公司IBM是较早地把人工免疫理论套用到防治病毒的研究单位，他们提出的反病毒综合方案[KEPH97A,KEPH97B]取得了巨大的成功。

国内套用
四川大学建立了,对算法进行了实现，并且做了仿真实验，取得了较好的效果。

入侵检测
入侵检测（Intrusion Derection），顾名思义，是对入侵行为的发掘。他通过对计算机网路或计算系统中的若干关键点收集信息并对其进行分析，从发现网路或系统中是否有违反安全策略的行为和被打击的对象
送整体上说，现有入侵方法检测有着可扩展性、检测效率等方面的严重不足

传统的网路安全技术（如防火墙）主要基于被动防御，对系统正在遭受的攻击缺乏实时的网路安全风险检测，更不能有针对性主动调整自己的防御策略。实时的网路安全风险检测对积极的网路安全技术的研究具有重要意义，是目前的研究热点之一。

垃圾邮件处理
如何有效识别和及时拦截垃圾邮件成为当今网路安全技术领域的研究热点。传统的反垃圾邮件（Anti-spam）技术大多採用基于统计学习原理的Bayes方法。Bayes模型充分挖掘了已知样本所包含的统计信息，因此其可信度得到了保证。但是对于未知样本，特别是已有样本的变异样本的分类问题，基于Bayes模型的分类系统的执行效果往往不尽人意，因此，如同对计算机病毒所採取的防範措施一样，对于垃圾邮件这种隐蔽性强、变异能力突出的网路非法信息，必须採用具有自适应性和自学习能力的分类系统。而生物免疫原理则恰好为此提供了丰富的启示。

数据挖掘从狭义上讲就是信息处理问题，很多都属于模式识别所研究的範畴。模式的分类和识别可以由分类器来实现。为了设计分类器必须首先对分类器进行训练。而人工免疫系统在训练学习等方面具有其他系统无可比拟的优点，于是人们便开展了人工免疫系统套用于数据挖掘的研究。人工免疫系统作为一种新型智慧型系统，在数据挖掘中的套用刚刚起步，可以作为一种新的数据挖掘方法，来对资料库、数据仓库、文本、Web页等进行数据挖掘，发现有用的知识。

机器学习

学习一般被认为是一个从经验中获取知识并把知识抽象化来解决新问题的过程。为了能够学习，系统必须通过与外界环境的互动来调整自己，并且必须能够维持（记忆）这种调整一段时间。机器学习是研究如何创造能够从经验中学习、同构学习改变自己行为和记住已学东西的系统。
2001年，Watkins提出了有限资源人工免疫分类器模型，称作（Artifical Immune Recognition System），AIRS属于有监督学习算法。