一种异常状态在线识别方法，用于实时在线检测高维数据流中的潜在异常点。通过分析数据流的数据特性，提出运用基于角度分布的方法来获取数据流上每一个数据所对应的异常因子值。结合实时监控数据流的需要，提出建立基于正常集、边界集的小规模数据流型计算集，以此来加快异常状态在线识别方法的运算速度。针对大数据流的概念转移问题，提出建立正常集、边界集的实时更新机制，以此来保证异常状态在线识别方法在高维空间的检测精确度。采用本发明方法，不仅可以极大地降低对时间和物理存储的消耗，而且可以准确，实时地在线检测高维大数据流中的潜在异常点，为实现数据流的实时在线评估创造了条件，从而增强了大数据应用系统的稳定性。