自治域稳定性状态能够影响网络服务的可达性、可靠性。对自治域的稳定性状态进行监控与检测有利于优化网络服务的质量,发现并定位网络服务故障。由于全球自治域路由拓扑的复杂性,自治域路由数据的量非常庞大。为了进行准确的快速的稳定性异常检测需要设计实现特定的算法与系统架构。以往的研究未能同时解决对自治域稳定性异常的准确检测与对全局自治域的稳定性状态的实时监控两个问题。自治域间的路由报文更新状态在时间和空间维度中具有一定的相关性和相似性。本课题基于自治域的更新报文数量的变化动态来对域间路由系统中的各个自治域进行聚类特征的分析与挖掘。采用离散小波变换对更新报文数量的时序序列进行转换,提出了基于路由异常事件的自治域相似度度量方法,并给出了具体的迭代式聚类算法。进一步,基于提出的聚类算法以及采集的路由更新数据,对自治域进行了聚类分析。基于自治域聚类结果以及域之间的相关关系构建一个自治域链接状态异常预测模型(CAAP,Clustering-based AS Abnormal Prediction),通过部分自治域的稳定性状态来推测出其余自治域的稳定性状态。基于所提模型,本课题设计并实现了自治域异常实时检测系统(CRDS),该系统包括数据采集、异常分析、异常预测、可视化与系统配置几个子功能模块。测试结果表明基于CAAP算法的异常预测方案能够准确地对自治域异常进行预测,通过CRDS系统能够快速地呈现自治域系统的全局状态,达到节约监测自治域状态需要的计算与存储开销的效果,从而能够在实时状态下实现对全局自治域的异常检测。