券商可按以下方法通过监控手续费数据识别和防范异常交易。

首先，建立基础手续费模型。统计正常交易情况下的手续费分布范围，明确不同交易规模、交易频率对应的手续费区间。例如，普通小额高频交易，手续费在一定数值内波动是正常的。

然后，进行实时监控。利用系统对每笔交易的手续费进行实时跟踪，将当前手续费与基础模型对比。若手续费突然大幅偏离正常区间，可能存在异常交易。比如原本日均手续费几百元，突然涨到数千元，就需重点关注。

接着，进行关联分析。查看手续费异常的交易账户是否有其他异常特征，如交易时间是否集中在非交易活跃时段，交易的证券品种是否异常集中等。若某账户在凌晨进行大量交易且手续费高昂，可能是异常行为。

此外，设置预警机制。当手续费数据出现异常波动时，系统自动发出警报，通知相关人员进行调查。还可按异常程度设置不同级别的预警，如轻度异常发邮件提示，严重异常则短信或电话通知。

最后，加强后续处理。一旦发现异常，深入调查交易背后的原因。如果是人为操纵等违规行为，及时采取限制交易、报告监管部门等措施，防止损失扩大。通过这些方法，券商能有效利用手续费数据识别和防范异常交易。