互联网应用深入人类社会生活各个方面,因此,网络用户和网络的可管理性显得日益重要。用户行为分析是网络用户及网络自身管理的重要技术手段。通过用户行为分析,可以统计大规模用户行为的模式、访问习惯,进而指导网络流量管理的策略制定,同时增强网络流量的安全监测能力。目前网络用户行为分析多采用离线数据分析方式,缺乏对网络行为模式的在线监测能力。本论文研究动态在线方式下,网络用户行为分析的方法和关键技术,通过运用网络流量识别和报文分类技术,从网络流量中分离出用户使用网络应用的流量状况,进而从用户行为的角度加以分析,研究用户行为与流量特征之间的关系。论文主要完成的工作如下:①对现有的网络流量识别方法和报文分类技术进行分析,为实时网络用户行为的测量提供了理论依据。②总结了静态离线网络用户行为分析方法,提出了一种在线网络用户行为分析模型:通过在线的用户行为模式分析和异常行为模式检测,提供实时的用户行为监测结果。③研究了在数据流特点下的频繁项集挖掘模型和方法,提出了一种基于滑动时间窗口模型的频繁模式挖掘算法BA_FIM。该算法能够快速在线挖掘一定时间段内的频繁项集,进而得到最近一段时间内的用户行为关联规则。④在Linux的Netfilter框架下,设计并实现了一个基于流量识别的在线网络用户行为分析原型系统。实现了网络用户行为的实时测量、可视化的用户行为统计分析和在线关联规则分析和异常模式检测。实验结果,验证了论文思想在网络用户行为分析中的正确性和有效性。