随着计算机网络飞速发展，出现了一种新的数据模型——流式数据。流式数据以成倍的、快速的、随时间变动的并且可能是不可预测和无限的流的方式到达。这种应用的例子如传感器网络数据，入侵检测，电信数据管理等等。流数据的出现对适用于静态数据的数据库技术和数据挖掘技术都是一个新的挑战。由于流数据是无限、连续到达的大量数据，要存储所有的数据是不可能的，许多传统的数据挖掘算法并不适合于流数据的挖掘。本文通过对数据挖掘中异常挖掘和流数据应用的研究，提出了一个在流数据上进行异常挖掘的方法。对于流数据的异常挖掘，本文选择了基于偏差检测的OLAP数据立方技术。首先分析了基于流式数据建立数据立方体的可行性，然后构建了流立方体的基本架构，再在此基础上进行基于OLAP数据立方探查技术的异常点发现的算法设计。最后本文提出了该异常挖掘的一个新的应用领域：智能手机的入侵检测，并设计了一个基于多代理和流数据异常挖掘技术的智能手机入侵检测的初步模型。本文在流数据的多维在线分析、基于OLAP数据立方体的数据挖掘以及智能手机的入侵检测等研究领域都有新的进展。