随着网络技术的飞跃发展以及网络用户规模的显著增加,网络结构变得越来越复杂,导致流量数据急剧上升,对于流量异常数据的出现不仅浪费无关使用的资源,而且降低网络的利用率,网络的可用性和安全性是网络正常使用的重要前提。流量数据检测是网络质量探测的基础应用,对探测的流量异常现象采取相应补救措施,因此研究流量数据的探测技术对于分析网络以及管理网络具有重要意义。当网络接口流量数据较大时,对网络接口采集数据时出现未完全捕获和丢失数据包的现象,或者无法及时分析流量数据的现象,这样就不能较好的分析流量数据特征。本文提出一种基于分段随机采样的网络质量探测系统,分段采样方式可以有效减少大量流量数据的采集工作,利用流量具有相似性,随机采样方式可以有效采集网络突发性数据,降低了探测系统资源需求与减少探测流量的工作量。对于较小的流量数据,本系统采用完全捕获的方式进行流量的探测。对采集的流量数据按照特征参数进行分析与统计,将历史数据的分析作为流量参照模型,提出一种基于时间段分区的静态阈值的流量异常模型,相比传统流量模型全局同一阈值方法,可以更有效检测流量异常的产生,当出现高于参照模型阈值时,先定性为异常事件,并对采集的数据进行流量特征分析,对于异常恶意流量采取相应补救措施来减少网络使用的损失。最后对实现的网络质量探测系统进行相关性测试工作,验证系统的可行性,对流量数据采集,并按照流量特征进行分析与统计。