最近几年，P2P技术作为一种新的互联网应用模式迅速风靡全球，作为改变互联网应用模式的一项新技术，P2P业务己悄然占据了互联网业务总量的70％以上。这样巨大的流量给运营商带来了巨大的压力，如何更为有效地管理这些流量也是他们面临的一个挑战和难题。因此，实现P2P流量的有效识别就是一个急需解决的问题。　　 然而，随着P2P技术的飞速发展，P2P应用为了避免自身被轻易察觉出来，纷纷采用了各种技术如动态端口、协议字段加密等，P2P的流量识别也变得越来越困难。由于端口跳变，负载加密等流量隐藏技术的发展，利用应用端口和内容等显式特征P2P流量识别方法已经逐步被淘汰。因此，P2P流量识别开始转向基于传输层特征的方法和基于机器学习的方法。　　 本文从P2P技术，P2P流量识别的工作原理和几种典型的P2P流量识别方法入手，探讨了流量属性选择算法和机器学习技术在P2P流量识别中的应用实现，提出了基于支持向量机的流量识别与分类模型，并研究了实时检测技术。最后，本文基于Linux平台的防火墙框架IPTables开发了一个部署于网桥上的P2P流量检测与管理软件原型系统，该系统分为检控引擎以及WEB式管理系统两部分，前者进行P2P流量识别和控制，后者提供带宽管理策略、特征库升级、流量日志等功能。　　 本文的研究成果能够有效提高带宽利用率，保证网络资源的动态负载平衡，能够为网络有效地运转提供有力的保障，也有助于维护互联网的健康环境，营造一个和谐的网络社会。