长流是流长度大于设定阈值的流。网络流量呈现很强的重尾特性,即大多数流只包含少数量的报文,而很小一部分流却包含绝大多数的报文,很小一部分的流是长流。从网络中检测出长流对网络安全、流量计费和网络管理具有重要意义。本文提出了两个滑动窗口内的长流检测算法。第一个算法ACBF(Aging Counting Bloom Filter)由在线部分和离线部分构成。ACBF算法的在线部分主要实现两个操作,分别是减少过期报文的计数和对到达的新报文进行计数。离线部分是估计滑动窗口内流的流长度,输出长流。由于ACBF算法不能记录滑动窗口内所有报文到达的顺序,因此不能准确地删除最先过期的报文。所以本文提出第二个算法S-ACBF(Segment-Counting Aging Bloom Filter)是对ACBF的改进,S-ACBF将滑动窗口分段,分段后的滑动窗口保证了子窗口之间的报文相对有序。S-ACBF算法由在线部分和离线部分构成。S-ACBF算法的在线部分主要实现两个操作,分别是在尾段计数器中减少过期报文的计数和对新到达的报文在头段计数器中计数。离线部分估计滑动窗口内流的流长度,输出长流。本文使用不同地区采集到的真实网络Trace进行实验。实验结果表明在较短的时间内(已读取的报文数小于滑动窗口的大小),ACBF算法的误检率和漏检率比较低。S-ACBF算法不仅误检率和漏检率非常低,并且不会随着时间的推移而增大。因此S-ACBF算法可以持续准确地检测滑动窗口内的长流。