大量的端到端(P2P)业务尤其是共享较大视频类文件的软件以及下载软件已占据了越来越多的互联网业务总量。由此带来的带宽的巨大消耗所引起的网络拥塞以及网络性能的降低使P2P业务以及其他一些传统的互联网业务均受到影响。因此，实现控制、分类P2P业务成为网络供应商急需解决的问题。支持向量机已经在网络流量分类中显示了其优越性，本文用支持向量机技术针对现有识别方法的弊端，提出了一种基于支持向量机(SVM)的P2P流量检测系统。　　 本文对SVM的基本原理进行深入的研究，将SVM的分类方法结合P2P流量特点，根据SVM中的支持向量原理，探讨了对SVM进行改进的方法用于删减SVM训练中的无效样本。通过抓取网络中的数据包，详细分析了P2P网络流量特征，选取了具有代表性的能够区分P2P流量与非P2P流量的特征用于SVM的训练，这些特征与传统的选取方法有很大的区别.在以上研究的基础上，提出了基于SVM的P2P流量检测系统模型。　　 本文最后给出了系统的具体实现。该系统是针对大流量用户的，因为流量较大并且流量增长率较快的网络流量对网络的影响较大，而小流量的用户由于对网络的影响较小可以暂时忽略。最终生成的系统，与传统方法相比，显示了良好的分类性能和分类精确度。