1.一种基于免疫机制的无线传感器网络攻击协同检测方法，其特征在于：包括如下步骤：

1)建立云数据中心、云计算节点和WSN三层协同检测模型

云端计算节点层通过访问云数据中心的自体/非自体样本集合，实现检测器的培育和更新算法，同时数据中心根据WSN终端采集的样本实现自体/非自体样本更新；WSN终端基于IRsync算法利用云端计算层培育的检测器集合更新本地检测器，实现对网络数据的快速匹配检测，并通过资源池协同采集反馈给云端数据中心更新自身样本；

2)自动识别未知攻击的检测器培育和更新

云端计算节点通过与云端数据中心协同，实现基于T/B免疫细胞的T/B检测器培育和更新，以及T/B检测器的协同检测，过程如下：(i)T检测器培育和更新算法：研究基于匹配阈值自适应的否定选择算法培育T检测器，其中检测器的匹配中存在正常区域和异常区域的临界区域随着攻击的变化而变化的，提出“自身半径”学习模型，自动准确设定用于区分临界区的“自身半径”；

“自身半径”学习模型中，给定一个半径设定原则，即如果离检测器中心最近的三个自身点相对比较集中，则考虑进行自身半径自动设定，值为三点两两距离的最小值，否则按默认半径设定；

以下为判定三个自身点相对集中的方案：假设某一个检测器d，半径为r，与其最近的一个自身点为s1，其次分别为s2,s3，d和自身点的距离分别为r1，r2，r3，r1

α＜λ∩β＜λ   (4)

|r1-r2|＜δ∩|r1-r3|＜δ∩|r2-r3|＜δ   (5)

(ii)B检测器培育和更新：设计基于动态克隆选择算法的B检测器方法，提出状态转换模型，引入攻击频率特征参数来完善生命周期更新的数学模型，生命周期将自动适应攻击数量和频率的改变，从而实现B检测器自适应未知攻击的数量和频率；

(iii)T/B检测器协同检测算法：T/B检测器协同检测过程是T检测器作为异常检测器和B检测器作为误用检测器的协同检测，解决正常、异常改变引起的自适应问题，通过误用检测器和异常检测器协同检测，最终覆盖更广的“非己”空间，并且能迅速响应正在入侵的异常活动；

3)建立资源受限终端检测器快速检测与轻量存储模型

在T/B检测器培育和更新完成后，将生成的成熟检测器通过增量式更新算法更新WSN节点的本地检测器集合；本地检测器通过与网络数据快速匹配实现攻击检测，设计基于隐马尔科夫链的节点剩余电量预测模型预测节点寿命，将即将损耗完的节点检测器反馈给sink节点以及相应的云端计算节点，基于着色思想更新邻居节点检测器，实现WSN本地检测器集合的轻量存储和更新。

2.如权利要求1所述的一种基于免疫机制的无线传感器网络攻击协同检测方法，其特征在于：所述检测方法还包括：步骤4)建立基于免疫机制的WSN协同攻击检测原型系统搭建高性能服务器作为云计算服务端，存储自体和非自体数据集合，并部署高性能计算机作为云服务节点实现自适应检测器的培育更新模型，WSN的部署和实现以NesC为编程语言环境，采用CrossBow公司的MICA2传感器节点搭建实验平台环境，在TinyOS系统上设计实现原型系统，原型系统运行在应用层，协议通信数据依赖于链路层TinySec协议；实现原型系统的仿真测试。

3.如权利要求2所述的一种基于免疫机制的无线传感器网络攻击协同检测方法，其特征在于：所述步骤4)中，将原型系统实施到CrossBow公司的MICA2传感器节点上，完成系统测试，实现包含上述研究内容的原型系统，以验证所研究方法的有效性，同时建立一个包含常见攻击信息的知识库，用于对原型系统进行验证和实现数据共享。