P2P技术的出现给用户带来了全新的上网体验,用户在获得网络提供的便捷的同时,也深受P2P应用带来的负面影响。大数据量的上传下载,严重的消耗了网络带宽,使服务质量无法保证,给电信运营商带来很大的困扰,出于内容监管和安全性考虑,必须对P2P流量进行有效地分类识别,才能更好的监管网络流量,为流量控制提供依据。随机端口、端口伪装技术的出现,使P2P应用可轻易躲过端口审查,DPI技术的出现,使P2P应用无法通过变换端口来躲避检测,但是DPI技术必须要对数据载荷进行分析,若数据加密,则DPI方法无能为力。基于流量特征的识别方法,不需要分析载荷信息,具有很好的扩展性,但是无法区分具体的应用。基于机器学习的方法有很好的识别效果,但是对训练数据要求较高。各种方法都有其缺陷,因此,多种方法的有效结合成为可能。本文通过对几种流量分析方法的对比,提出一种基于传输层多重特征结合SVM多分类的识别方法。主要研究内容如下:1.深入研究传输层特征,主要从两个方面入手,首先研究流量特征,统计单位时间内的上下行流量值,发现P2P流量具有固定的范围。其次,研究连接特点,统计单位时间源地址端口比值,发现此值与非P2P应用有很好的区分度。结合上述分析提出基于传输层多种特征结合端口识别的算法及实现。2.鉴于SVM小样本分类中的优势,采用多分类方法,分别从连接层面和流量层面提取特征属性,设计实现了基于SVM的应用识别模型框架。3.根据算法选择的阀值,对数据进行测试,实验结果表明,该方法能有效地识别P2P应用。4.研究了流量控制技术,提出相应的流量管理策略,最后完成系统的实现。