随着Internet的不断发展,网络安全已经逐渐成为人们越来越关心的问题,而入侵检测作为一种重要的网络安全防护手段,越来越受到广大学者和工程人员的重视。入侵检测技术包括误用检测技术和异常检测技术两大类。误用检测技术需要事先将入侵信息的特征信息输入入侵信息特征库,检测是根据特征库判断是否有入侵,准确性很高,但无法判别新的入侵信息。而异常检测技术可以检测出以前未出现过的未知特征的攻击,现在已经成为主要的研究方向。建立正常用户的行为轮廓是异常检测技术的核心问题。研究人员先后提出过基于概率统计、基于模式预测、基于神经网络等多种异常检测方法。本文将采用基于M-树的聚类方法建立正常用户的行为轮廓,并通过M-树所特有的搜索算法进行网络数据流的异常检测,最后用有代表性的实验来证明该检测方法的有效性。在检测到异常的数据流后,如何有效地控制其进一步发展,避免网络拥塞程度的恶化是亟待解决的问题。路由器队列管理机制是控制异常数据流流量的有效方法之一,在网络发生拥塞时路由器可以依靠主动丢包缓解网络拥塞的程度,保证最小限度的网络公平性。但在高带宽的数据流冲击下,现有的队列管理机制并不足以限制其侵占网络带宽。本文采用了一种新的路由器队列管理算法,可以更好的限制异常数据流的流量,并保护正常的数据流。实验证明,这种新的队列管理算法与几种经典的队列管理算法相比有更好的性能。