随着互联网技术的快速发展,P2P技术以丰富快捷的资源共享等特点获得了迅速的发展,给人们的生活带来了很大的便利,但同时也带来了网络的拥塞、带宽的消耗等问题,运营商不得不增加更多的带宽来保证服务质量。随着P2P应用的不断增多以及网络规模的扩大,运营商就会陷入“拥塞-增加带宽-再拥塞”的死循环,不但不能保证基本的服务质量,而且增加了带宽上的成本。解决该问题的根本方法是实现对P2P流量的准确快速识别,根据实际状况对流量进行合理控制和优化管理。本文介绍了P2P技术的结构特点和发展情况以及P2P流量识别方法的研究现状,并分析了在P2P流量识别中的机器学习算法,通过比较有监督的机器学习算法、无监督的机器学习算法和半监督的机器学习算法的优缺点,采用半监督的机器学习算法进行P2P流量识别。首先,针对P2P流量中存在的冗余特征和不相关特征,采用CFS算法进行特征选择,该算法能够不仅能够保证分类的准确率、高效地完成特征选择,还可以去除P2P流量中的冗余特征。其次,针对k均值算法每次迭代过程中都需要对所有数据进行距离计算的问题,利用球树进行改进,减少了迭代次数,提高了聚类效率；针对k均值算法识别准确率低的问题,利用少量标记样本作为指导,获得有指导性的初始聚类中心,再进行聚类,根据改进后的k均值聚类算法,利用weka3.7进行实验验证,实现了P2P流量的准确快速识别。最后,构建P2P流量控制系统,采用二维动态流控技术,实现了对BT等P2P流量的有效控制。