在P2P技术不断的发展过程中,P2P技术在文件共享、数据存储、多媒体等业务上所体现出来的优势,使得P2P流量成为整个互联网流量的主体,然而P2P网络凭借着自身对等覆盖网络的特性,给互联网提供商在其管理和维护上带来了巨大挑战。P2P技术带来的巨大挑战包括:互联网的主体流量被P2P流量所占据,非P2P流量在带宽资源的利用率上明显不足,导致非P2P应用在可用性上无法得到保障;随着技术不断更新迭代,越来越多的P2P应用开始使用随机端口和协议加密技术,使得P2P应用所带来的信息安全问题日益凸显;传统的P2P流量识别技术主要基于应用端口、应用层签名、行为特征,但随着P2P技术日益复杂,传统的识别技术已经无法满足现有的需求。机器学习作为一门使用计算机模拟人类行为活动的科学被广泛应用,机器学习方法主要是将不断变化的外界信息传递到机器学习算法中,从而建立一种算法模型,此算法模型能够根据外界环境的变化来提高自身的学习能力。本课题是针对P2P流量分类方法的研究,通过对比传统的P2P流量分类方法,研究机器学习方法在处理P2P流量分类问题上的优势,本文的主要工作如下:1.基于对ReliefF特征选择算法的研究,分析其优缺点,在ReliefF算法基础上提出一种改进的MS-ReliefF算法。MS-ReliefF算法从纵向和横向两个维度对原始特征集进行特征约简,纵向通过联合特征权重选择最优特征对,横向计算特征之间的相关性去除冗余特征,最终得到最优特征子集。2.通过分析传统的KNN算法,在传统的KNN算法基础之上,提出一种改进的PSDW-KNN算法。PSDW-KNN算法引入了特征距离权重和皮尔森相关系数,在传统的KNN算法之上,给不同特征赋予相应的权重,并且通过皮尔森相关系数计算出样本之间的相关程度。通过实验对比了传统的KNN算法、DW-KNN算法和改进的PSDW-KNN算法,实验结果表明PSDW-KNN算法在近邻K取值较小且训练样本数较大的情况下,具有更高的分类准确度。3.为了提高机器学习算法模型的计算能力,本文借助Spark分布式运算框架的计算能力,将本文提出的PSDW-KNN算法与Spark MLlib机器学习库相结合,构建了原型系统,进一步提高算法模型的分类识别效率。