随着互联网的高速发展,网络带宽的不断提高,网络用户数量激增。在用户需求的刺激下,大量的新型网络应用程序不断涌现。这些新型网络应用程序呈现出功能丰富、协议复杂等特点,产生了比传统网络应用更加复杂多变的大规模网络流量。这些新特性给网络流量的识别带来了许多新的问题和困难。因此,针对网络应用的识别技术的研究是十分必要的。　　 本文以网络应用识别技术为研究重点,针对提高网络应用识别算法的适应性和高效性,做了以下几方面研究工作:　　 针对传统识别系统对新应用的适应性差,匹配特征更新过程繁琐,本文设计了基于形式化描述的网络应用识别方法。定义了形式化描述语言对匹配特征进行统一描述,并对特征描述语言进行了EBNF语法范式定义,给出了特征描述文件组织结构。在此基础上,设计了特征描述语言解析算法。　　 在对比分析了主流的网路应用识别技术的基础上,结合端口匹配识别算法和载荷特征检测识别算法的优点,设计了高效的网络应用识别算法。为了降低识别过程中的特征匹配次数,设计了由端口平衡二叉树和载荷特征自动机组成的匹配特征树,并给出了基于匹配特征树的网络应用识别算法。另外,对多模式匹配算法进行了改进,进一步提高了识别效率。并设计对比实验,对算法的高效性进行了验证。　　 最后,应用上述关键技术方案,本文设计并实现了基于特征匹配的网络应用识别系统。该系统引入特征描述语言统一管理匹配特征,使用基于匹配特征树的识别算法对网络应用流量进行识别。