网络的高速发展使得人们的生活越来越方便，人们越来越依赖于网络来进行工作、学习。随着网络复杂程度的加大，诸多不安全网络因素也随之而来，各种网络攻击、病毒的出现影响到了人们的网络生活，带来了很多安全方面的隐患。异常检测技术是网络入侵检测的核心部分，它用于发现网络中的入侵、攻击行为以及阻截想要进入被保护网络中的恶意数据包。检测准确率高、漏报率低是异常检测的最大优点，这是它得到广泛研究的原因，但是异常检测同样也存在着误报率高、检测耗时这样的缺点。本文从尽量减小异常检测缺点的目的出发，设计、实现了基于特征提取的聚类网络异常检测技术，主要内容包括以下方面：1．研究、分析异常检测技术，将经典的数据挖掘算法和模式匹配算法结合、运用在异常检测当中，提取关键的、具有代表意义的网络特征进行检测，减少数据检测的消耗。2．研究了多核平台Octeon CN3860网络处理器的硬件特征、工作原理、运行模式以及软件开发模式。在多核平台下对本文提出的异常检测技术进行了实现，加入了系统控制中心和通信平面，形成了一个网络异常检测系统，实现了对数据包的异常检测和实时告警。3．针对多核处理，利用“流”的局部性原理设计实现了分流器，力争最大限度地发挥多核系统的优势。本文通过相关的测试分析表明：所提出的检测技术能减少检测过程对数据的计算、比较时间，在保证检测准确率的同时稍微降低检测的误报率，并且尽可能减小检测时耗。