目前Internet中P2P业务占的比重越来越大，已占到网络业务的60％-70％,P2P业务一方面给网络用户带来便利，另一方面也带来了许多负面的影响，如带宽、版权、安全等问题，对网络中P2P业务的识别已成为一个越来越迫切的问题。传统的P2P业务识别方法是瑞口识别法、签名匹配法等，但随着P2P技术的发展，P2P业务采用动态端口，并采用加密技术，使以上两种方法不能适应P2P技术的发展。基于流的特征的P2P业务识别方法分析P2P业务和其它业务的根本区别，以这些本质特征为依据对P2P业务进行识别，可避免前两种方法遇到的问题。　　 文章首先介绍了P2P技术的概念、原理和体系结构，并研究了现有的各种P2P业务识别方法。然后介绍应用于P2P业务识别的神经网络，并对提高神经网络泛化能力的因素进行分析，在此基础上提出了一种改进神经网络的泛化能力的方法，即将贝叶斯正则化算法应用于神经网络模型，将表示网络结构复杂性的惩罚项引入目标函数中，在训练优化的过程中降低网络结构的复杂性，贝叶斯推理着眼于整个权空间中的概率分布，得出目标函数的最优化参数，达到提高泛化能力的目的。　　 最后进行仿真，结果表明基于贝叶斯正则化BP神经网络的P2P业务识别方法的泛化能力要优于基于传统BP神经网络的P2P业务识别方法，可大大提高前者在实际中识别P2P业务的准确率。文章还对数据样本集大小对识别结果的影响进行了分析，得出如果减小训练样本数，则同时会降低识别精确性。