高性能的网络流量分类是诸多网络安全问题的基础。研究网络流量分类,既具有现实价值,又具有研究意义。论文基于NetFPGA网络可编程硬件平台研究网络流量分类技术,并实现基于NetFPGA的高速、准确、可靠的网络流量分类系统。NetFPGA是美国斯坦福大学开发设计的,为网络研究人员提供的,一个低成本可重用的网络硬件平台。其FPGA技术的应用使得平台既具有硬件的高速处理性能,又具备像软件一样可编程、重复使用的灵活性。本论文充分认识到现有流量分类技术速度性能、实时性、可扩展性等方面的不足,将NetFPGA硬件平台应用到网络流量分类系统中。在NetFPGA硬件上,系统实现基于主机行为的网络流量的信息收集、信息存储管理和流量控制等通过硬件实现的功能,并与软件结合实现高速、高效的网络流量分类。主机行为分析和网络流量统计特征分析是本论文网络流量分类的主要思想和方法。论文主机行为分析主要内容是IP地址和端口区分,将网络流量按照IP地址和端口进行归类,并收集流量的统计特征。流量统计特征分析选择快速、准确、高效朴素贝叶斯分类算法。在传统的朴素贝叶斯分类算法的基础上,学习训练过程中增加了后验概率的估算,并基于这种后验概率的估算技术设计了双阈值朴素贝叶斯分类器。改进后的分类器既能节约大量的计算资源,又能对新的网络流量进行主动识别,满足了高速网络流量分类的需求。测试结果表明:NetFPGA硬件和主机上分类器软件的结合,网络流量分类性能得到较大的提升。处理网速达700Mbps,分类算法节约计算资源40%以上,分类精度方面与决策树、神经网络、支持向量机等其它分类算法不相上下。