Internet的飞速发展使网络流量特征的研究明显滞后于网络及其业务的快速发展。尽管了解和认识Internet庞大而复杂的体系结构和丰富的变化特性，并对其进行理论分析是一件相当艰巨的工作，但是为了保证和提高现有网络服务质量、推动Internet健康发展、研究和开发下一代网络体系结构，需要对互联网络的流量特征和性能表现有深刻的认识和理解。自相似是网络流量的重要特征之一，自相似参数即Hurst参数，简称为H参数，是自相似特性的唯一参数。本文分析了几种H值的估计方法：聚类方差法、余数方差法、周期图法、R／S估值法、小波法，并且采用上述方法对确知的长相关样本序列进行H值估计，以检验估值算法的正确性。通过实验分析可以证明：上述5种估值算法都能够做出正确的自相似判断，但是没有一种算法能够准确地计算出H参数的值。流量模型是流量分析的组成部分，本文重点分析了多分形小波模型，并以此模型为基础，选取了Haar、DaubechieS、Coiflets、Symlets四种小波基，分别研究不同小波基对该模型的影响。通过对真实网络流量、模型合成流量进行多种实验的分析、比较，得出如下结论：在多分形小波模型中，采用Haar小波合成的流量能够更准确地反映原始流量的统计特性。攻击检测是流量分析的一种应用，本文针对拒绝服务攻击，提出采用小波多分辨率分析的方法，根据小波系数求出网络流量在各尺度上的能量，通过比较相邻相等时间段内网络流量能量差的变化，判断是否产生拒绝服务攻击，并通过NS-2仿真实验验证了该方法的有效性。在NS-2仿真环境中通过建立网络模型，模拟产生UDP泛洪攻击，分析比较真实局域网流量、模拟流量相邻相等时间段内能量差的变化，可以证明这种攻击检测方法能够用于判断网络中是否产生拒绝服务攻击。本文的研究工作为网络流量的分析与应用提供了理论与试验依据，对于有效合理地管理网络、提供高效的服务质量具有一定的实际意义。