软件新技术的飞速发展和网速的不断提高对流量数据检测提出更大的挑战，如何在日益复杂的网络环境下进行流量数据检测已经成为目前一个重要研究课题。本文在现有研究成果的基础上，以P2P流量数据为例，对异常流量数据的检测与识别技术进行研究。　　本文在研究了P2P流量数据中存在的行为特征、分析出基于行为的流量检测的可行性及优势的基础上，结合BloomFilter算法提出了成流的预处理算法，改进网络流量数据的检测策略;并依据决策树算法实现流量数据的识别统计;最后给出了由数据包抓捕、数据流分析、异常流量识别统计三个部分所构成的异常流量数据检测模型。　　实验结果表明:基于流的预处理算法的网络流量数据检测策略能够使流的获取更加简单，为以后的研究提供了一个方向;通过对流量行为提出的属性进行测试对比，验证结合决策树算法进行异常流量识别统计的可行性。基于行为的异常流量数据检测模型能够实现对网络异常流量数据的有效检测与分析识别，具有较大的理论研究和实际应用价值。