如今，P2P越来越成为网络计算领域中的研究热点，它被广泛地应用于网络互联技术领域，极大地提高了互联网中信息、带宽和计算资源的利用率。 P2P技术颠覆了传统的C/S信息服务模式，允许终端用户相互直接搜索和共享信息资源。但是也伴随出现了恶意入侵、病毒攻击与版权的侵权问题，而且随着P2P业务的不断增加势必造成网络带宽的巨大消耗，引起网络拥塞，降低网络性能。企业内部，员工利用企业网运行P2P软件来进行在线观看或下载，会造成很大的资源浪费，并抢占企业内部局域网的带宽，影响正常的网络性能。并且通过P2P协议，病毒和恶意代码将躲过安全审查而潜入企业内部网络，这将会是巨大的安全隐患。 有关调查表明，P2P业务已悄然占据了互联网业务总量的60％—80％，成为杀手级宽带互联网应用。如何在合理利用P2P的前提下，对P2P流量进行有效的控制，这是面临的很迫切的问题。 正是基于这个背景，本文对P2P技术进行了一系列的研究，论文主要包括以下内容： 首先，对P2P技术本身进行了研究，P2P的定义、特征以及发展阶段，还有P2P技术的分类，P2P技术的网络拓扑模型以及P2P技术存在的问题进行了探讨。 然后，对现有的P2P流量监控检测技术进行了分析，在此基础之上对这几种检测技术进行了对比，提出了现有方案的不足之处。 其次，基于以上不足之处，提出了基于统计特征和神经网络相结合的方案，用于进行P2P流量检测，将P2P流量的统计特征与神经网络的模式判别相结合。实验表明该方案能够实时并准确的识别P2P流量。 最后，在本文实验方案的基础上进行了P2P流量检测系统的概要设计，详细设计以及实现的方式。并对系统进行了大量的性能测试。