作为互联网与电信网融合的重要产物，VoIP业务近年来在全球得到了快速而持续的发展。我国目前虽未正式开放VoIP业务运营，但由于VoIP具有技术门槛低和业务利润高的特性，网络中存在大量非法、隐性的VoIP网关在运营。这些网关不仅对传统电信业务造成很大分流，也为不良信息的传播提供了便利渠道。如何对VoIP业务实施有效管控，净化电信网络环境，成为迫切需要研究的课题。本文依托国家“十二五”863计划信息技术领域某主题项目，对VoIP呼叫实时分拣中的若干关键技术开展研究，从而为VoIP业务监管提供技术支撑。文章采用一种先利用VoIP流量数据寻找运营VoIP业务的网关地址，然后通过已知网关地址库实现VoIP呼叫实时分拣的技术思路，并根据该思路，对其中的两类关键技术重点开展研究：一是与具体协议无关的VoIP流量识别技术，利用该技术实现对互联网中各类VoIP业务数据的筛选；二是VoIP网关节点识别技术，利用该技术从VoIP业务数据中发现正在运营的VoIP网关地址。在此基础上，结合其它成熟技术，给出了VoIP呼叫实时分拣子系统的设计方案。本文主要的创新及成果如下：提出了一种基于C4.5决策树的VoIP流量识别方法。针对传统方法识别对象单一，对未知应用识别能力差和对网络的适应性不足的缺点，根据机器学习用于流量分类的原理，通过选取能够反映VoIP语音数据包传输规律的统计特征，设计了一种基于C4.5决策树的VoIP流量识别方法。利用Weka平台构建分类器进行测试表明，采用C4.5决策树的分类器要明显优于其它机器学习分类算法的性能，而本文所新增的两个特征可以反映连续VoIP语音数据包的本质规律，识别的准确性明显优于仅选取传统特征进行识别的情况。提出了一种基于SVM的VoIP网关节点识别方法。借鉴互联网中其它节点的识别方法，针对VoIP呼叫的规律和特点，从VoIP网关节点与类PC节点之间的区别出发，归纳出可用于节点识别的若干特性，并结合话务分布的时域特性分别提取统计特征，用这些特征联合描述训练样本。结合SVM在小样本、高维数情况下的分类优势，利用Weka平台构建SVM分类器。实验结果表明，SVM对网关节点的识别性能要明显优于其他分类算法，同时，实验还评估了所选特征对于分类的贡献，进一步证明了所选特征的有效性。以上述技术为基础并结合现有成熟技术，设计了VoIP呼叫实时分拣子系统。采取前、后端协同处理架构，前端通过成熟的五元组匹配和信令监测技术实现对已知网关中每个VoIP呼叫的实时精确分拣，后端利用流量识别和网关节点识别技术分析互联网VoIP流量数据，及时发现新的网关地址并载入前端，前后端相互反馈，形成具备自学习能力的VoIP呼叫分拣机制。