P2P技术进入我国市场的时间并不长，但近几年来，随着我国宽带技术的发展和我国网民对P2P的逐渐认可，国内的P2P市场正在日益发展壮大，相关业务己占据互联网业务总量的70%以上。巨大的流量给运营商带来了前所未有的压力，有效地管理这些流量也就必然成为目前面临的一个重要挑战和难题。所以实现P2P流量的有效识别和控制就是急需解决的问题。本文提出将DTNB、OneR和BP神经网络算法集成用于P2P流量识别，构建了基于该集成学习算法的P2P流量识别模型。利用网络流量特征和机器学习中生成规则的集成分类算法将网络流量分为P2P流量和非P2P流量。所建立的P2P流量识别模型分为网络流量特征的获取、P2P流量特征选取以及建立流量分类模型三个步骤。采用十折交叉验证与测试集相结合的方法CTFCVWTS(combining T-fold cross validation with testing set）评估模型的合理性和提出方法的有效性。实验得出流量分类准确率平均为97.27%。结果表明，该模型具有较高的P2P流量识别准确率。同时，本文提出了一种基于FARIMA自相似模型的P2P流量控制机制PTCM（P2PTraffic Control Mechanism），该机制能够根据网络环境中的突发流量进行智能的控制策略调整。采用非P2P流量的丢包率评估PTCM的合理性和所提出机制的有效性。实验得出非P2P流量的丢包率平均为5%。结果表明，该模型具有良好的P2P流量控制效果。最后，本文基于Linux平台的netfilter防火墙框架开发了一个部署于网桥上的P2P流量识别与控制软件原型系统，该系统分为流量识别引擎以及PTCM机制两部分，前者进行P2P流量识别，后者根据前者识别的流量情况生成智能的控制策略，并将控制策略通过消息机制发送给网桥进而合理的分配网桥带宽。本文的研究成果能有效提高带宽利用率，确保网络资源的动态负载平衡，能为网络有效地运转提供有力的保障，也有助于很好地维护互联网的健康环境，进而营造出一个和谐的网络社会。