随着网络技术的发展和网络规模日益扩大,网络拓扑结构和网络设备日趋复杂,承载的业务种类也逐渐增多,这些都使网络中出现故障或性能问题的机会大大增加,网络监测面临更大的挑战。网络监测的目的是通过对网络设备和网络运行状况的连续监测,及时地发现网络中的异常情况,当网络中出现异常时能够及时发出报警通知,以提醒网管人员采取必要措施,来保持网络正常运行。网络异常检测是网络监测中的关键部分,能否准确、及时地检测出网络异常对于提高网络的可用性和可靠性具有非常重要的意义。本文探索网络流量异常检测的新方法,以提高对网络异常的检测和识别能力,文中还提出了网络流量过载异常的预测方法,利用这种预测方法可以实现网络监测的预警功能。本文的创新点主要在以下三个方面:第一,残差比异常检测方法。针对网络流量在短时间内可能发生的突变异常,本文提出一种新的检测方法:残差比异常检测方法。由于自回归滑动平均模型具有描述和分析时间序列中异常干预事件的特点,该检测方法利用自回归滑动平均模型描述网络流量的观测值序列,应用似然比检验方法,结合最大似然估计法,推出残差比异常检测方法。实验分析表明,对于流量在短时间内发生的突变异常,这种检测方法具有较强的检测的能力(见图4.11-4.12,4.15-4.18),由于流量观测值的采样时间间隔较短(15秒),所以能够检测网络中比较细微的异常。另外,残差比检测方法具有计算量小的优点,可以在实时检测系统中得到很好的应用。第二,网络流量预测。网络流量预测不仅应用于网络管理和优化、接入控制等方面,而且在网络监测中也有重要应用。网络流量过载是一种网络异常现象,它是指流量超过一个预定的阈值。在网络监测中,如果能够预测流量过载,那么,在流量过载发生之前,可以有更多的时间分析问题,并考虑应该采取的防范或恢复措施。因此,本文提出了一种流量过载的预测方法,该方法试图改变以往的网络监测中“先报警,再处理”的响应式的方法,实现网络流量过载的预警功能。方法中同样运用自回归滑动平均模型,对预处理后的残差建立模型,我们对真实流量进行预测,预测概率与理想概率之间的差别很小(如一、二步预测概率与理想概率之间的标准差分别是0.040、0.041),这表明,所预测结果与实际情况基本一致。第三,网络流量的平稳化方法。网络流量模型对网络设计、规划和性能分析等方面有十分重要的意义。网络流量的不平稳性,对于流量模型的正确建立具有