随着Internet的快速发展,P2P应用在网络中逐渐成为网络宽带的主要占有者,也成为网络业务的重要组成部分。P2P的技术在推动Internet网络发展的同时,也对网络带宽资源的网络拥塞、网络版权、网络流量的占用,而导致增加网络管理的难度、安全隐患等问题,这些问题都将阻碍正常网络业务的发展。能够有效识别并且对P2P应用的管理控制的背景下。P2P应用软件检测技术主要是深度包检测和深度流量检测法。深度包检测法不能检测出加密的和未知的对等网络流的应用,深度流量检测方法可以克服深度包检测方法的这个缺点。本文通过基于深度包检测的深度流量检测法识别出P2P流的应用系统。本文首先描述了P2P技术的基础理论,讨论了P2P技术的工作原理、技术特点,并且详细阐述在深度流量检测技术的模糊算法的三种算法的应用研究。在以上研究分析的基础上,本文提出了一个能够识别未知P2P应用的应用系统研究技术。该系统使用模糊算法中的贝叶斯,决策树,神经网络进行模糊检测。三种算法都是通过深度包检测出的结果作为理想输出集,采用相同的网络流量的特征,只有特征中包含足够的类别信息,才能够利用分类器实现正确的分类。在提取出特征后,可以有三种算法进行训练,最后把分析结果进行显示。对贝叶斯的两个分类器-朴素贝叶斯和全贝叶斯的算法、训练结果、运行结果进行研究,实验研究表明朴素贝叶斯和全贝叶斯分类器能够快速准确的找到P2P流应用,朴素贝叶斯分类器准确度占据优势,全贝叶斯运行时间占据优势。对于决策树,实验表明决策树分类技术更能快速准确的定位P2P数据流,在实时处理大量数据方面更能体现决策树分类技术的效率与准确度。对于神经网络,实验表明神经网络检测出P2P数据流的准确性更高一些,在实时处理大量数据方面效率要低一些。测试结果表明,该系统能够有效检测出网络中已知或未知的P2P应用流量,有助于网络的带宽资源的管理,确保各项常规业务的正常运行。本文最后对工作进行了总结,并对下一步工作的方向进行了展望。