Предлагается гибридная модель системы текстонезависимой динамической верификации пользователей информационных систем, которая основана на комплексном использовании искусственных иммунных систем и искусственных нейронных сетей. Подлежащие верификации данные текстонезависимой динамической биометрии пользователей представлены, двумя последовательностями информационных единиц фиксированного размера векторов признаков, соответствующих образам двух классов - «свой» и «чужой». Такое представление ориентировано на массово-параллельную децентрализованную обработку данных, принятую в искусственных иммунных системах. Последующая верификация пользователей обоих классов реализуется с помощью вероятностной искусственной нейронной сети, которая в признаковом пространстве вычисляет плотности вероятности концентрации информационных единиц обоих классов. В дополнение к характеристикам плотности вероятности информационных единиц используются допустимые цены ошибок 1-го и 2-го рода для образов каждого класса. Итоговый результат биометрической верификации работающего пользователя контролируется на основании текущего сравнения совокупных статистических оценок плотности вероятности и допустимой цены ошибок образов каждого из двух классов. Предлагаемый подход к верификации личности работающего пользователя позволяет предложить общую схему этой процедуры для существенно различных модальностей динамической биометрии: голоса, рукописи и клавиатурного набора. Реализация такого подхода для биометрии конкретной модальности будет несколько отличаться, но общая схема верификации может быть сохранена. Преимуществами предлагаемого подхода являются: возможность текстонезависимого анализа динамической биометрии различной модальности, произвольного объема, содержания и языка; возможность принятия верификационного решения в непрерывном режиме в темпе поступления работы пользователя; в перспективе повышать точность работы системы верификации путем увеличения размерности нейронной сети; возможность использования истории анализа результатов верификации реальных пользователей для последующей более точной настройки системы. Относительным недостатком работы является необходимость программной реализации нейронной сети большой размерности. Однако в перспективе этот недостаток быстро нивелируется с повышением производительности средств вычислительной техники.