测量和检测BGP动态中的异常事件是网络测量的热门话题。此类研究工作对于域间路由故障避免、预测、检测和恢复,网络管理和配置优化,协议设计、评估和改进等方面具有重要作用。绝大部分现有BGP异常测量工作基于所有观测点路由动态数据的聚合,例如总路由更新数量、总被更新IP前缀数量等;忽略了不同观测点数据的差别。然而根据BGP协议的特性,单个观测点处看到的BGP动态可能是高度本地化的。因此基于聚合后的数据来设计方法和算法可能导致对BGP动态的误理解。基于以上分析,本文提出基于观测点区分的域间路由大规模不稳定事件检测方法。研究内容和贡献包括:（1）定量研究BGP动态数据,以及活跃IP前缀的更新在互联网的分布情况。测量发现,BGP动态的分布是高度不均的;反映病态行为的动态更是高度本地化的。此外,相当一部分基于总更新数定义的活跃前缀,其更新分布是高度局部化的。本文提出更新可见性的概念,结合更新数量定义了五类活跃前缀,并分析了各类活跃前缀的数量趋势、相互关系等特征。总的测量结果显示了基于观测点区分测量BGP的重要性。（2）提出大规模BGP事件（LBE）的概念。LBE满足两个条件:在互联网中的较大范围可见,并影响大量前缀。本文提出更新可见性矩阵的概念来描述LBE,并形式化地定义了LBE检测问题。在证明该问题是NP难之后,本文提出了 GDA算法来解决它。然后,该方法被应用于大量BGP更新报文数据。测量结果显示,知名的互联网大规模破坏性事件与检测到的LBE存在较强的相关性。此外,该方法还在2013年10个月的数据中检测到101个未被报告过的LBE。（3）基于BGP更新的类型和内容,以及路由表数据、BGP Community属性语义数据等,提出了一系列的方法——包括主要元素分析,AS路径变化分析,Community属性变化分析等——来分析LBE的成因和对BGP系统的具体影响。本文用这些方法深入分析2013年检测结果中的23个LBE。（4）开发域间路由动态性测量系统,以完成上述测量工作。该系统能够处理TB量级的数据,考虑到了各类异常情况,并且多方面的优化使得该系统适用于内存和计算等资源比较有限的实验环境。