网络系统和信息技术随时随地都在发生着巨大的变化,上到国家下到人民越来越离不开网络与计算机,其为整个社会带来的便利与价值也愈发重要。这样的系统如果面临安全的威胁而又无法防范,所造成的后果是可想而知的。在多种多样的安全问题中,网络流量异常问题与人们的生活、工作息息相关。因此异常流量检测担负着网络系统防护的职责越来越受到整个网络安全体系的重视。实时、无误地检测出异常流量对于整个网络系统安全的维护工作来说是一项非常有效地保障。本文介绍了当前主流的多种网络异常流量方法并作出了分析,了解到各个检测方式的优缺点与所需技术,然后总结出异常检测通用的模型。在分析了造成异常流量的多个主要因素之后,针对庞大的网络系统与巨大的流量数据,阐述其所需要的检测方法,且要满足检测实时性及较高的准确率本文提出的是基于信息熵与改进后SVM的异常流量检测方法。在详细介绍了信息熵的基础知识之后,论证了信息熵应用于异常流量检测中具有其他方式所无法比拟的优点；然后阐述了支持向量机的基本原理和目的,并且形象地说明了改进后的SVM加入KKT条件的重要性；将两种知识结合起来应用在检测模型中,对正常与异常流量分别进行训练,最后对待检测的流量数据进行检验完成整个流量检测程序。本文搭建实验环境,对原SVM算法与改进后的SVM算法进行实验结果分析与对比,后者准确率高,计算时间短,在应用于实时的检测系统上具有很大的优势,为实际的应用做出了有意义的参考。