自九十年代出现P2P技术以来,由于其在文件共享、深度搜索、分布计算等方面的优点,使得近年来P2P技术得到广泛应用,也使得P2P流量成为网络流量中最主要的组成部分。但是在P2P技术对因特网带来巨大推动作用的同时,也因为其占用带宽巨大等特点带来了网络拥塞等安全隐患问题,因此准确地检测出P2P流量将成为对P2P流量管理的关键。此外对P2P流量准确地分类还会对流量预测、动态访问控制和入侵检测等方面起重要的作用。本文介绍了几种传统的P2P流量识别方法,并实现了基于流量行为特征的P2P流量识别算法。但是这种算法对P2P流量识别的准确率并不高,并且不能实时地识别出P2P流量,只适用于事后的流量记录分析。本文着重研究了基于数据挖掘技术的P2P流量识别算法,该类算法不需要访问包的净荷,并且可以实现实时的高准确率地分类网络流量。文中重点研究了各类数据挖掘算法在P2P流量识别中的应用,提出了数据挖掘算法在进行流量识别时性能分析的方法,并给出了分析结果。同时还提出了实时属性的概念,并实验验证了实时属性相比于其他属性选择算法选择出的属性集的优点。最后,本文将流数据挖掘算法VFDT(Very Fast Decision Tree)应用于P2P流量识别领域,并实验分析该算法在流量识别中的各方面的性能。