伴随着互联网的飞速发展和普及，网络资源的需求也迅速增加；与此同时网络中也包含着大量的网络攻击，其对网络性能的影响也越来越大。网络攻击的直接表现是网络流量异常，这就要求必须快速有效的检测出异常。本文提出了一种新的网络流量异常检测方法，即通过滑动时窗小波算法和ARX模型实现对网络流量的建模与预测，再由FCM聚类算法对其分类并检测异常点。本文首先介绍滑动时窗小波算法的特点和计算方法，如它能解决窗口滑动时产生的数据冗余；且原始窗口更新数据的同时，也能更新对应分解层的小波系数，体现出系数更新的实时性。接着通过系统辨识ARX模型对各层小波系数建模、获取模型残差序列，并探讨其在时间序列自适应预测方面的应用。然后探究模糊聚类、FCM算法的原理，并对ARX模型残差序列进行聚类分析和异常值检测。通过对上述数学模型的综合分析，本算法实现了对网络流量的异常检测，且体现出较好的实时性。最后采用KDDCup99数据集做网络流量异常检测实验，实验结果证实本方法可获得较高的异常检测率。