云计算在可靠性问题上面临着巨大的挑战。随着越来越多的个人和企业将信息放在云上，如何提高云计算的可靠性成为一个研究热点。而云计算平台上丰富的信息和资源也是各种入侵者的热点目标。云计算体系的每一层结构都面临着各种危险，可能是由用户的错误操作或外部的恶意入侵造成的。与传统的计算环境相比，云计算具有虚拟化、分布式、动态行为和非常大的数据规模等特点，这也导致了传统的异常检测算法不适用于云计算环境。本文基于局部异常因子（LOF）算法设计了自适应的在线实时异常检测机制。LOF算法根据局部密度为每个测试数据计算异常分数，异常分数说明了该测试数据的异常程度。该异常检测机制工作于半监督模式下，也适用于非监督模式，允许训练数据中存在少量异常。同时，该机制可以自动根据最近的系统行为特征改变自身的正常行为模型。这是一种数据驱动的、适用范围广、通用性好的在线实时异常检测机制。为了评估异常检测的效率，我们搭建了模拟云计算环境的平台，在不同的虚拟机上运行几种常见背景应用，并注入几种典型异常来模拟异常入侵。使用sysstat工具采集纯背景应用下的系统状态作为训练数据建立正常行为的模型，在注入异常阶段，每分钟采集一次系统状态，进行实时在线异常检测。该系统可以有效地检测出大部分异常类型，在保证可接受的误报率的同时，可以达到很高的检测率。