网络技术在日益飞速发展,伴随着网络技术的发展,各类新型的网络攻击也层出不穷,很多病毒攻击的手段越来越高、隐蔽性越难越强。同时,网络规模急剧膨胀,网络使用的人群大规模增长,给有限宽带资源造成了极大的负担。传统的网络检测和分流技术,已经不能满足对日益复杂的网络变化的检测,我们需要更为有效的网络数据检测和识别的手段。传统的网络安全性检查往往只针对传输层以下的数据,传统的检测匹配算法也往往跟网络负荷及存储容量等相关,无法满足急剧膨胀的网络规模以及快速增长的网络人群。为了有效解决上述问题,本文对展开了深度数据包检测(Deep Packet Inspection, DPI)和深度数据流检测技术(Deep Flow Inspection, DFI)的研究,深度数据流技术的主要原理是其是对数据包进行内容过滤。其处理速度快,满足线速处理和低存储空间需求。除此之外,单一的DPI技术也有其自身的一些固有弱点,单独使用DPI检测,不能够对一些深层次的加密数据进行有效检测,为了弥补DPI检测的缺陷,我们提出了对DFI (Deep Flow Inspection, DFI)技术的研究,其主要的算法有基于机器学习模型和分流准则。在此基础上,对于P2P应用网络,利用深度数据包检测技术先进行检测,并以此为主,再使用深度数据流检测技术相配合的检测方法。