随着计算机领域的高速发展,网络攻击手段也变得愈加丰富,如蠕虫传播、分布式DDoS攻击、端口扫描等。它不仅影响网络使用者正常使用网络,造成网络服务质量下降,同时也使网络安全受到恶性影响。我们将在短时间内连接大量不同的目的主机的源主机(或连接大量不同的源主机的目的主机)称为超点。实时检测超点并获得超点信息对网络管理和流量监控等行为有着重要意义。本文以测量的精确度为出发点,在SuperpointTrap算法不对IP流的流数进行精确记录的情况下,提出C-SuperpointTrap算法和S-SuperpointTrap算法。C-SuperpointTrap算法分为两大模块：在线测量模块和离线处理模块。在线测量模块对原SuperpointTrap算法的更新操作进行改进,使其在每次执行更新操作时对达到超点阈值的源主机不执行输出操作,在测量周期内一直记录超点信息,从而能够更准确地检测出超点信息；离线处理模块提出一种补偿机制,对在线测量模块发送到外部存储器的超点的流数进行补偿,弥补由占位失败导致的超点流数的减少。为了减少资源消耗,我们进一步提出了S-SuperpointTrap算法,该算法将C-SuperpointTrap算法与流抽样技术进行了结合,提高了算法的可扩展性。本文在算法实验部分,采用来自不同网络的数据源进行实验,使用错误否定率、错误肯定率和加权平均相对差作为评估标准,并对实验结果进行分析。实验结果表明,C-SuperpointTrap算法和S-SuperpointTrap算法在准确性和内存消耗上都具有一定的优势。