随着计算机网络技术的飞速发展,网络规模、用户数量的日益增加,现有的网络管理和维护已经越来越难以适应用户的要求。而网络故障产生的原因很多,现有网络的信息量巨大,从而使已有的网络故障诊断工具以及相关技术难以解决所有网络故障问题，引入智能技术己经成为网络故障诊断领域的必然趋势。本文在网络故障诊断问题中引入移动代理技术，通过人工免疫原理完成检测器的训练，提出了网络故障诊断模型，该模型以Agent的基本结构作为框架采用逐层分步的诊断思想，并在每个层次步骤中采用Agent联盟的诊断策略。然后基于克隆选择学说提出免疫算法完成检测器的训练，该算法的重点在于检测器克隆群的选取以及动态优化参数的引进，避免产生局部最优解和过早收敛的现象，并引入了检测器分类思想，对故障类型进行大范围的划分，缩短了诊断时间。最后采用IBM公司开发的Aglet平台以及Java语言实现编程，设计各模块的功能，通过收集网络接口组的故障数据进行仿真实验，验证文章提出算法的可行性。同时，通过研究未知故障类型，进一步证明了该算法的有效性。本文研究工作的核心是基于免疫代理的网络故障诊断系统的设计及其在故障诊断中的应用。首先简单介绍了与生物免疫系统和代理技术相关的概念及工作原理。接着对一些典型的智能网路故障诊断方法进行了对比分析。最后基于这些工作提出了以Agent的基本结构作为框架的网络故障诊断模型，并利用改进的克隆选择算法完成未知故障检测器的训练。通过仿真实验，研究了该免疫模型的性能及其在网络故障诊断中的有效性。