当今互联网深刻地影响着人们生活的各个方面,网络在为工作和生活带来越来越多便利的同时,也引起了诸多安全和管理的问题。网络流量分类是网络管理的基础,也是检测网络恶意攻击和异常,进行拦截和防御的前提与手段。随着网络应用的快速增长,传统的网络流量分类方法效率大大降低,已经难以满足当前的需求。本文研究分析了各类网络分类方法,发现目前多数网络流分类方法并没有考虑到流之间的相关性。本文利用流包模型反映网络流的相关信息,并将非参数核密度估计方法引入贝叶斯分类器中,对分布密度函数进行非参数核密度估计,研究了一种基于核密度估计的相关网络流量贝叶斯分类器,详细分析了其原理,实现了分类系统,并使用真实完整的网络流量作为数据进行了实验,结果表明,与其他分类方法相比,该方法取得了更好的分类准确率,能有效改进原有的网络流量分类方法。