当今世界,网络技术的飞速发展使得互联网的节点数目、网络规模以及拓扑结构复杂程度日益以几何级数增长着。然而,与此同时,层出不穷的网络攻击、P2P应用泛滥以及计算机病毒也随之而来。它们所产生的异常流量往往使得一些重要的网络节点发生拥塞、应用服务失去响应,严重的甚至造成整个网络的瘫痪。本论文通过深入分析网络异常发生前后所引起的网络设备参数性能指标变化的特点,对传统卡尔曼滤波器进行了相应的改进,以指数平滑的方式对滤波器的噪声系数进行了自适应调整。并且,在此基础之上,本论文进一步利用卡尔曼滤波器在实时性、可扩展性、前瞻性等方面的优势,提出了一种自适应的网络异常检测算法,并以此建立了一种基于改进后的卡尔曼滤波器的网络异常检测模型。该模型能够对于大型网络中的单个节点或者多个节点的关键性能指标参数进行相应的检测,并且具有较低的复杂度以及良好的实时性。最后,本论文利用简单网络管理协议SNMP在真实网络环境中采集实验数据,验证并分析了算法以及模型的有效性。