随着互联网的迅速发展和普及,网络资源的需求也迅速增加；与此同时网络中也包含大量的网络攻击,其对网络性能的影响越来越大。网络攻击的直接表现是网络流量异常,这就要求必须快速有效的检测出异常。本文提出一种新的网络异常检测与分析方法,通过滑窗小波二叉树和ARX模型实现对网络流量的建模与预测,再由聚类EM算法对其分类并检测异常点。本文首先介绍滑窗小波二叉树的特点和计算方法,如它能解决窗口滑动时产生的数据冗余；且原始窗口更新数据的同时,也能更新对应分解层的小波系数,体现出系数更新的实时性。接着通过系统辨识ARX模型对各层小波系数建模、获取模型残差序列,并探讨其在时间序列自适应预测方面的应用。然后探究高斯混合模型、聚类EM算法的原理,并对ARX模型残差序列进行聚类分析和异常值检测。通过对上述数学模型的协同分析,本算法实现了对网络流量的异常检测,且体现出较好的实时性。最后使用KDDCup99数据集做网络流量异常检测实验,实验结果证实本方法可获得较高的异常检测率。