近年来,伴随科学技术的快速进步,计算机通信网络逐渐向更大的规模发展,网络的总体结构也趋于复杂化,骨干计算机通信网络中的异常行为也变的日趋复杂。为了更好提高骨干通信网络防范网络异常的能力,就需要在异常行为发生时准确的对骨干计算机通信网络中的异常行为进行研究和分析,并针对网络中存在的异常特征采取一些解决和预防手段,减少其对网络系统造成的影响。本文在分析骨干通信网络中流量异常行为特征的基础上,利用分布式网络流量异常行为的特征信息,结合特征信息与统计学的相关技术,运用统计学的方法研究构建分析模型,对骨干通信网络中的流量异常行为进行研究和分析,对分布式网络流量异常行为进行检测。论文的主要研究成果如下:1、提出了一种运用序贯概率比检验来分析分布式网络流量异常行为的方法运用统计学中的序贯概率比检验方法,结合分布式网络流量异常在网络中多条链路上表现特征具有相似性这一特点,分析多元新息的统计特征,研究构建分析模型,利用信号变化的相似性检测分布式网络流量异常的发生。与传统的运用序贯概率比检验来分析网络流量异常的方法相比,该方法能够有效的避免异常检测时效性不高的弊端,提高网络流量异常检测的时效性和精确度。2、提出一种基于非广延熵的网络流量异常检测方法结合热力学中的熵的概念,将其与网络中流量的特征参数进行对比,找出其中存在的一一对应的关系,引入信息熵的概念来完成利用熵值来分析网络流量特征参数的目的。最后,结合传统信息熵在网络流量异常检测中存在的问题,采用非广延熵来进行网络流量异常检测的研究和分析,同时使用真实网络数据进行仿真与分析,得出最终的分析结论。