近年来,卫星网络作为一种通信范围大、传输距离远的通信手段,已被广泛应用于国际通信、导航定位、气象服务等领域。同时,日新月异的网络应用也带来了网络管理和安全上的问题。一方面,在应用层中,私有协议正以爆炸式的速度增长,现有依赖于公开协议规范的协议识别方法已逐渐失效,卫星网络资源管理正面临新的挑战。另一方面,以侦查、监视和预警卫星为代表的卫星在电子信息对抗中发挥巨大的防御作用,在一些非合作场景,如信道侦听领域,目标链路帧格式的未知性给上层内容截获带来较大的困难。针对上述两个挑战,本文基于卫星网络环境特性开展了如下研究:在应用层协议识别分类问题中,本文采用主题模型LDA (Latent DirichletAllocation)提取协议分类特征,进而对网络流进行分类,并提出两个创新点:1)针对卫星网络时延长的特性,在现有N类分类器的基础上,提出一种非目标协议判决策略,无需对非目标协议进行训练即可过滤非目标协议,降低其对N种目标协议的判决干扰,具有较快的线上分类速度。2)在资源优化方面,根据卫星网络资源受限的特点,提出一种基于改进遗传算法的自适应最优模型选择算法,在模型更新时能在保证准确性的前提下,以较少的系统建模次数自适应选择最优模型参数,速度上相比经典遗传算法提高了 20%左右。在链路层未知协议的逆向识别问题中,本文借鉴数据挖掘思想,通过对比 Apriori 算法和 FP-Growth (Frequent Patterns Growth)算法在本场景下的适用性,采用FP-Growth挖掘未知比特流中的频繁比特串,预测目标链路协议帧格式,并进一步识别出帧长及帧计数域字段。为满足FP-Growth中项集的无序性,本文提出一种基于位置信息的比特流编码方法,相较于现有编码方法在FP-Growth算法中因树深度过长带来的性能瓶颈,基于位置信息的比特流编码方式能以更快的速度进行频繁比特串的挖掘。