人工免疫理论目前被广泛应用于入侵检测系统,以解决无法识别的未知异常问题,应用最多的是否定选择算法。传统的实值否定选择算法通过随机方式生成候选检测器,随着自体集数量的增多,成熟检测器生成的时间复杂度呈指数级增长,导致训练阶段耗费时间长。为解决检测器生成过程中时间消耗过长问题,文章提出基于邻域搜索的实值否定选择算法(Real-Valued Negative Selection Algorithm Based on Neighborhood Searching,NS-RNSA),通过邻域搜索算法找到落在候选检测器邻域的自体样本点,利用这些样本点构建新的自体集合,以提高成熟检测器生成效率。文章以NS-RNSA算法为核心构建异常检测模型NSRNSAADM,在此模型基础上进行实验,验证基于邻域搜索的否定选择算法的性能。实验表明,文章提出的方法在保证检测率、误报率的基础上,能够降低自体耐受过程所需时间。