随着计算机网络的日益庞大和复杂,网络发生故障的概率日益增加。相应地,提高网络故障的智能诊断能力也成了当前迫切的需求。目前,网络故障诊断还停留在比较初级的阶段,不够智能,不仅影响了用户体验,还增加了服务提供商的运维成本。因此,快速地诊断并定位网络故障,对于服务提供商意义重大。本文研究通过流量分析方法来检测并定位网络故障的理论和方法。主要研究在网络流中如何跟踪和记录会话流,通过分析会话双方交互过程的异常来快速有效地发现网络故障事件,同时推断故障发生的大致区间。为了进一步定位网络故障的根本原因,根据专家知识或者样本学习得到故障样本表,然后建立故障贝叶斯网络模型,最后通过贝叶斯推理过程得到最终的故障原因。论文中的网络故障的发现与定位以用户登陆故障作为案例。由于现在的网络流十分巨大,如何快速地解析网络流并建立会话跟踪记录是本文首先需要解决的一个问题。本文提出了EHT会话跟踪算法,相较于传统会话跟踪算法大大提高了效率。另一方面,由于当前网络关系的复杂性,耦合关系和不确定因素都使得网络故障的诊断变得更加困难。文本建立了贝叶斯故障诊断模型,利用贝叶斯不确定问题的推理特性和学习特性,快速有效地进行网络故障诊断。本文主要研究内容包括:(1)研究网络会话的采集和跟踪技术,提出EHT会话跟踪算法。(2)研究贝叶斯网络的相关理论和推理过程,以及在软件实现过程的存储表达方法。(3)建立诊断贝叶斯网络模型,通过贝叶斯推理方式,最终得到故障原因。(4)原型系统的设计和实现。本文原型系统在实验网络环境中完成测试,其有效性得到了验证。