了解以太网网络拓扑结构是有效管理网络、正确识别网络问题的基础之一。基于以太网网络拓扑结构的重要性,我们必须充分掌握有关以太网的最新知识。然而,一方面,由于现在的网络规模庞大且极为复杂,手动搜索以太网信息既困难又费时。另一方面,一些网络风险和危险也会威胁网络正常运作。虽然敌对流量与正常流量具有不同的特征,但这些特征没有规律,很难将其转化为一组明确的规则,因此改变了网络模式和网络异常的影响。本文提出了一种控制和管理网络的辅助工具。首先,本文提出了一种算法,该算法能够自动发现网络的二层拓扑结构。此功能的实现以MIBs提供的SNMP信息为基础,需要大量物理设备作为支持。其次,本文提出了一种学习方法,该方法能够自动识别运行异常。本文利用高斯混合模型,建立流量模型识别网络违规行为,从而表征系统的正常运行。良好的网络条件适应性是该算法的主要优点之一,体现在不同的运行场景中。在Unilurio-FE的网络测试应用中,它准确识别了设备之间的所有连接关系,并检测到在不同配置和负载水平下的网络异常。当网络出现问题时,无论是在操作管理层面还是在系统安全层面,本文提出的流量模型都能够做出更快的网络反应,对异常网络进行更有效的控制。