近年来,随着互联网的发展和普及,网络已经成为人们生活中的重要组成部分。然而,随着用户数目和接入带宽的提升,网络中的数据流量越来越大。如何合理的利用网络资源,保证不同用户不同的应用需求：减少少数用户产生大量网络流量造成的网络拥塞,提升业务的性能；发现和处理异常流量,提供安全可靠的上网环境,成为互联网服务提供商、运营商和企业面临的重大难题。解决这个问题首先需要对业务流量进行正确的识别和分类,因此,业务识别和分类成为了一个重要的研究方向。本文以实现高速环境下互联网主流业务的实时高效识别为目标,进行了如下工作：1.针对现网中存在的加密P2P流量难以实时识别问题,本文提出了一种基于数据流双向的流统计特征,结合决策树算法的DFI识别方法。该方法从数据流初始交互的若干数据包中提取“前三个消息长度”作为流统计特征,利用决策树算法学习得到分类模型,根据学习的分类模型对未知数据流进行分类。本文通过模拟实验验证了其可行性,实验结果表明,该方法能够实现准确率和召回率都在90%以上的加密P2P流识别,且流量识别率在93%以上。2.针对互联网主流业务分类和识别的需求,本文设计了一种DPI(深度包检测)和基于数据流双向“前三个消息长度”特征的DFI(深度流检测)级联联合的业务识别方案,具体包括运行机制的设计、功能模块的划分、主要功能模块的实现方案设计和性能分析。性能分析表明,该方案能够实现多业务的实时逐包识别,流量识别率在90%以上3.将上文设计的业务识别方案应用到10G EPON系统中,设计了10G EPON系统的业务识别方案,评估了OLT和ONU处并发的数据流数目,对该方案下支持业务识别功能的10G EPON ONU嵌入式软件进行了设计。