随着时代的迅猛发展,高新技术已经逐渐融入我们的生活,互联网已经成为我们生活中必不可少的一部分,例如:淘宝已经代替了传统购物方式;支付宝、微信已经逐渐代替了现金;人与人之间的沟通联系方式已经由前几年的电话、短信逐渐转变成现在的微信、微博。这些技术都离不开互联网产业的迅猛发展,由于网络业务的普及性和大众性,网络业务的安全成为人们重点关心的问题,进行网络流量的异常检测将成为保证网络业务安全的关键。常规的网络异常检测方法包括基于特征/行为的研究;基于统计的研究;基于流挖掘的研究等,其中网络流量的自相似性分析成为近期的研究热点。本研究应用时变相关理论对网络流量数据进行自相似性研究,通过建模及预测分析进行网络流量的异常检测。本文首先对网络流量的模型和业务的自相似性进行分析,给出了网络流量存在自相似性的原因,并用Hurst参数估计算法对网络流量的自相似性进行描述。其次,本文对传统模型进行分析并指出其缺点,对网络流量的模型进行分析与研究,选取适合的网络流量业务模型进行建模。对FARIMA模型进行仿真,根据仿真结果得出FARIMA模型可以很好的模拟网络业务。为了验证FARIMA模型的可靠性,同时应用ARIMA模型和FARIMA模型对随机生成的模拟网络流量数据进行仿真预测,并进行预测结果对比分析。最后,应用FARIMA模型对贝尔实验室的真实网络数据进行预测,再对处理后的异常流量模型进行预测,根据预测结果的对比,判断网络流量是否异常,从而进行网络流量异常检测的研究。基于Hurst参数结合FARIMA模型的网络流量异常检测研究,是一种新的网络异常研究方法,对网络业务的发展具有极其重要的意义。