以Internet为代表的IP网络正在逐渐成为人类社会通信的基础设施,网络规模不断扩大,异构化程度不断增加,带宽成倍增长,网络日益复杂,有必要对网络的拓扑结构和网络行为进行深入的了解、分析,这需要对网络进行正确、高效地测量,获取有效、可靠的数据,对网络性能进行评估,以采取针对性的措施。同时随着吉比特以太网和其他高速网络技术的发展,要采集到全部的网络流量变得非常困难,大量的流量日志也使网络行为分析变得十分困难。因此,网络流量的抽样测量技术己经成为高速网络流量测量研究的重点。本文对IP网络流量测量及其相关技术进行了分析与研究,对流量抽样方法进行探讨,在此基础上改进了传统的网络流量测量系统,设计了一个自适应的网络流量抽样测量系统。此外,论文中设计了实时Hurst系数估计算法,该算法对快速,准确的测定网络当前流量的Hurst系数有较好的效果。通过这种实时估计算法,分析了异常网络流量对自相似性参数Hurst系数的影响,并提出了基于自相似的网络流量采样方法,监测自相似参数的变化情况动态地调整采样策略,更多地采集异常流量信息,为流量分析和处理打下良好基础。文中的网络流量测量抽样系统能够根据自相似性参数的变化改变抽样频率,从而使网络流量测量具有一定的智能性,增大了对异常网络流量的采集比率,有效提高了抽样测量的精度。