当前开放的互联网架构设计在促进网络蓬勃发展的同时,带来了安全性可信任性差等问题。为此,一体化网络创造性地提出了两层体系结构模型,通过标识分离映射机制,将用户身份信息与位置信息相分离,保障了网络的安全。然而,作为一种新型的网络体系架构,一体化网络在用户行为分析和分类方面还有待完善,尚难以为用户提供个性化和多样化的服务。针对以上问题,本文通过借鉴现有网络中较为成熟的行为分析技术和海量数据处理平台,结合一体化网络自身特点,研究并提出了一体化网络用户行为分析及分类方法。通过分析用户构成和兴趣偏好,掌握用户行为规律,优化资源配置,实现细粒度的管理,来支持丰富的应用服务。本论文的主要工作和成果包括：(1)用户行为分析：包括数据采集、流量分析、内容分析三个部分。具体通过PF_RING高速捕获用户数据包,利用NetFlow读取离线数据包,并通过缓存还原至会话级别,协议分析由IPFIX以插件的形式对数据流处理完成。与此同时,基于MapReduce的分布式平台实现对用户行为内容的分析。(2)用户分类：提出一套用户分类标准,设计用户分类框架结构,结合用户基本属性和行为属性对一体化网络中的用户进行建模。采用基于MapReduce的聚类算法深入挖掘用户上网内容,发现兴趣偏好,实现按行为模式对用户进行分类。最后,通过原型系统平台对上述内容进行了实现和验证,利用Web界面展现了用户行为分析及用户分类结果,包括用户流量统计、用户分布、网站排行、关注热点等。