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[4,5]网络流量预测是网络性能管理的一个重要组成部分,较好的流量预测能够提高网络管理的效果和网络带宽的利用率。本文以C/S模式对校园网的流量进行采集,然后以预测误差的平方最小为目标,建立动态指数平滑模型,增强了指数平滑模型对时间序列的适应能力,较好地解决了指数平滑模型中平滑参数α为静态而导致预测偏差等问题。通过测试,此模型能够较准确地预测出校园网的流量,从而实现了对校园网络流量的监控,提高了网络服务的质量。本文研究了网络异常流量检测技术发展现状,通过深入研究校园网络的特点,设计了基于SNMP的网络流量采集系统和基于时间序列的网络异常流量发现算法。研究内容主要包含以下几个方面:(1)设计系统总体框架,分析MIB库中所需管理对象集,并设计存储管理对象的数据库表结构。(2)利用SNMP对代理设备进行数据采集,存储在数据库中(3)根据网络流量满足时间序列的特性,研究适合内蒙古科技大学校园网的网络异常流量发现算法。(4)根据对采集数据的计算分析,以直观图表的形式显示出网络流量出现异常时的状态。