1、隨著互聯(lián)網(wǎng)在全球的快速發(fā)展，網(wǎng)絡方面業(yè)務的種類和范圍日益增加。但同時，各種各樣的網(wǎng)絡問題層出不窮。網(wǎng)絡異常能夠引起網(wǎng)絡丟包、時延增大，嚴重時甚至會導致網(wǎng)絡癱瘓。對于網(wǎng)絡管理者來說，有效地檢測出異常，迅速地回應并采取措施維持網(wǎng)絡正常運行是十分重要的。因此網(wǎng)絡異常檢測受到工程和研究人員的廣泛關注。
　　網(wǎng)絡流量異常的檢測一般針對兩類數(shù)據(jù)進行研究，端到端流量數(shù)據(jù)或全局流量矩陣數(shù)據(jù)。針對端到端流量數(shù)據(jù)的研究相對簡單，局限在少數(shù)鏈路或節(jié)點上

2、。流量矩陣能夠描述全局網(wǎng)絡的流量特性，在網(wǎng)絡工程中針對全局流量的研究具有重要意義。異常檢測有益于網(wǎng)絡優(yōu)化、預測等多種應用。海量數(shù)據(jù)的多變性為研究帶來難度，本文將研究基于主成分分析的流量矩陣分析方法和異常檢測問題。運用主成分分析算法，流量的特征可用小部分維數(shù)表述，對小部分維數(shù)的分析能有效地檢測網(wǎng)絡流量異常。本文的主要內容分為以下三個方面:
　　(1)通過研究現(xiàn)有的網(wǎng)絡流量模型和異常檢測方法，分析并比較了現(xiàn)有的網(wǎng)絡流量異常檢測方法。<

3、br>　　(2)采用了基于主成分分析的方法分析網(wǎng)絡流量矩陣。通過運用主成分分析算法，提取最少數(shù)量的主成分，提取的這些主成分能最大限度的包含原數(shù)據(jù)的特征和最小限度的損失原數(shù)據(jù)的信息量，實現(xiàn)了對原始特征空間的降維。
　　(3)給出了基于主成分分析的網(wǎng)絡異常檢測方法并對檢測算法的性能進行了分析。本文從異常類型和特征參數(shù)的概率模型等多方面進行了流量矩陣的異常檢測實驗，分別給出了單節(jié)點和多節(jié)點異常檢測的方法，并給出了區(qū)分兩類主要異常的方法。