随着物联网设备的普及和物联网技术的成熟，智能设备在日常生活中得到了越来越广泛的使用。手机、打印机、家用路由器、智能摄像头、网络摄像机、PLC都是常见的智能终端联网设备，它们的出现极大地方便了人们的生活。但网络和设备本身具有的安全问题也随着智能设备的普及日益突出。智能终端联网设备更多的是采用嵌入式固件系统，系统和设备本身在开发过程中存在着研产分离的问题，厂商普遍采用客制化（即第三方定制的方式）来进行固件的开发。因此，同一个固件漏洞问题大范围波及其他设备的概率大大增加。据统计，2012 年开始，嵌入式设备漏洞数量呈快速激增态势。因此，及早发现嵌入式设备漏洞并及时补救，已经是刻不容缓的工作。

目前，国内外安全研究人员（尤其是硬件安全研究人员）对固件漏洞的检测、处理、修复等问题进行了大量的研究，也提出了大量的固件漏洞检测方法，主要有静态漏洞检测方法和动态漏洞检测方法两种。静态检测方法是对固件的源代码进行分析，从而找出其中可能存在的漏洞和弱点；而动态检测方法就是在不改变源代码甚至是二进制代码的情况下，通过修改固件的执行环境和情况进行漏洞检测的方法。无论是静态漏洞检测法还是动态漏洞检测法，都需要专业的安全研究人员跟随系统进行调试，这无疑大大增加了安全研究人员和开发人员的工作量。基于此，如果能够利用某种机制，使程序自动读取固件的二进制文件流，自动对其中可能出现的漏洞进行检测，则可以大大减少重复劳动，降低开发和应用过程中的工作量。

负选择算法是一种仿生智能算法，1994年由美国新墨西哥大学的Forrest等人提出。其模仿人体的淋巴系统机制，将人工免疫系统(Artificial ImmuneSystem)AIS应用到IDS的研究，从而提出负选择思想用于计算机病毒检测的思路。随着近几十年来智能算法的不断发展，负选择算法理论及相关内容也得到了完善，许多学者围绕免疫原理在入侵检测领域中的应用问题做了大量研究，由此衍生了许多基于负选择算法的使用案例。由于适应性强，负选择算法被广泛应用于许多领域，如入侵检测、异常诊断、模式识别、数据挖掘、机器学习和故障诊断等。

利用传统的数据挖掘方法进行固件的漏洞检测过程中，需要大量的正负样本进行模型的训练，而由于基选集程序漏洞的特殊性，程序是否存在漏洞的正负样本往往需要人工进行辨别筛选。同时，受限于人力工作效率的限制，人工收集的漏洞样本数量较少，如果采用通常的算法则需要付出大量的时间采集足够多的数据样本，这样导致研究人员工作量加大，工作时间增长。而利用人工免疫算法（如负选择算法）进行漏洞检测可以在样本量少的情况下进行，这样就很好的解决了漏洞检测方面样本量小的问题，使得漏洞检测更加高效、便捷，降低工作量。