周期性通信是网络中一类特殊的行为模式,通常被用于自动化的实现机器间的信息交换,常见的应用场景包括网络中节点的存活性检测,热备份服务器间的一致性确认与服务可靠性的定期检测等。在网络安全领域,对周期性流量的检测也被广泛应用于僵尸网络探测等恶意网络行为的检测方向。然而,目前已有的研究工作存在着检测效率不高,周期性利用不充分等诸多问题。缺乏对周期性流量明确的定义,并且对网络中存在的周期性流量认识也不够充分。本文对周期性流量进行了系统性的研究。分别从流量的检测,分类以及应用三个方面展开。首先,探寻了在大规模网络数据中筛选周期流的方法,克服了在海量数据集中进行高效周期性检测的难点。而后,对真实网络环境中的周期性流量进行了系统的分类与研究,描述了不同类别流量的特性及其所反映的网络问题。最后,提出了一种改进的基于周期性的僵尸网络检测方法,对周期性的含噪比,异变性进行更充分的利用,弥补了传统方案对周期性二值化利用的缺陷。主要贡献如下:1.提出了基于阈值和基于周期长度T值的两种周期性流量检测方法,分别利用相邻流量时间间隔的方差与周期长度对流量的周期性进行区分。两种方法相互配合,共同实现从大规模的网络数据中对具有周期性特征的流量进行高效的筛选的目标。2.在对周期流进行筛选的基础上,本文实现了首个对周期性流量系统分类的研究工作。通过选取五个不同的标准对真实网络中存在的周期性流量进行分类,详细描述每个类别中流量的各项特征,刻画了周期性流量的生态环境,并定位了其中可能存在的问题。3.基于对周期性流量特性的理解,本文提出了一种改进的基于周期性的僵尸网络检测方法。方法改变了传统方案中对周期性的二值化利用,发掘了更多与周期性相关的特征。通过KNN分类器综合利用这些特征。相比于传统方案,在假阴性率和误报率上分别取得了超过2.4%和1.7%改进。