本发明涉及基于在线学习与记忆网络的实时异常检测方法，包括：收集实时流式数据，进行数据预处理；建立流式数据的在线学习模型；构建记忆模块网络，设定记忆模块网络的记忆更新机制；根据新数据点进行在线学习，更新在线学习模型的参数；从记忆单元中提取与当前数据点相关的历史信息；将在线学习模型得到的新数据点的当前特征与记忆单元提取的历史信息进行融合，得到融合特征；根据所述融合特征，判断当前数据点是否为异常。本发明本发明结合在线流式学习和记忆模块，能在不断变化的环境中快速识别出异常模式，并提供实时决策支持；通过在线流式学习组件对数据流的动态变化有良好的适应性。