随着数字信息时代的到来,利用互联网对外沟通已成为人们日常生活中不可缺少的一部分。互联网与生俱有的开放性、交互性和分散性特征,满足了人们对信息共享、开放、灵活和快速的需求。网络用户的规模在逐渐扩大,网络用户的行为也越来越复杂。与此同时各种网络问题也随之出现,给网络检测带来更大的挑战。需要有效控制网络入侵、网络欺骗和网络破坏等网络违规行为。因此网络用户行为的研究与分析越来越重要。网络行为分析模型可以有效并及时发现网络中的异常行为,协助网络管理员更好的管理网络,提高网络的使用效率。　　 针对网络行为具有流特性的特点,本文采用流数据聚类挖掘技术对网络异常行为进行分析,采用变尺度滑动窗口采集网络行为流数据,利用改进的混合指数直方图生成概要数据结构,利用聚类技术对网络异常行为分析中的网络行为流数据进行预处理,并利用流数据聚类挖掘算法对网络行为进行挖掘分析。　　 本文主要完成的工作主要包括:　　 (1)分析了流数据聚类及网络异常行为分析方面的知识,为基于流数据聚类的网络异常行为分析的实现提供了理论基础。　　 (2)介绍了基于流数据聚类的网络行为流数据预处理方法,提出了一种通过应用聚类技术进行缺失值的填充及新属性的构造方法。　　 (3)提出了一种基于变尺度滑动窗口的流数据聚类算法,该算法改进了混合指数直方图来存储流入的数据,通过应用可变尺度滑动窗口技术对流数据进行挖掘。　　 (4)设计并实现了一种基于流数据聚类的网络异常行为分析系统,通过具体实例验证了模型的可行性和有效性。