P2P网络具有不同于传统客户端/服务器(C/S)网络的两大特点:去中心化和自组织性,这使其增强了用户的参与性,增加了资源节点,使得P2P网络在资源共享方面发挥了巨大的作用,其技术得到了飞速的发展。P2P技术在飞速发展的同时也带来了很多的问题。据统计网络中有60%~80%的流量为P2P流量,过多的P2P流量会造成网络拥塞,降低网络性能,使得其他关键业务因缺少可用带宽受到影响,最终影响到网络的服务质量。同样,由于其去中心化,网络监管也变得更加困难,P2P网络成为非法资源甚至病毒传播的重要途径。建立长效的流量管理监控机制是解决以上问题的关键。寻找有效的识别P2P流量的方法,是亟待解决的重要问题。本文在分析当今主流的P2P检测技术的基础上研究并设计一种P2P流量分析系统,该系统能够有效的识别出目前网络中的P2P流量,为进一步的控制工作奠定基础。主要研究工作如下:首先分析了当今最广泛的网络流量识别方法:传统法,深度包识别法以及流统计特征分析法,选择深度包识别法和基于流统计特征分析法构建系统。然后分析了常见P2P协议的网络拓扑结构,通信过程以及文件传输过程,通过分析大量数据包建立起深度包识别法中的流特征库,实现了利用特征值进行流量识别的模块。再次,在流统计特征分析模块中选择机器算法为基础。在研究比较了决策树分类和贝叶斯分类的各种算法后,选择机器算法中监督学习的决策树模型下C4.5算法作为分类算法,选择CFS算法作为属性约简算法。最后通过实验表明,系统在有效识别P2P流量方面优于现有方法。