对等网络(Peer to Peer, P2P)技术是一种新兴的网络技术。它模糊了服务器与客户的概念,每台电脑既是服务器又是用户机,各主机间交换所需资源,提高了工作效率,避免了传统网络服务器过载的问题。但是P2P技术的过快增长也带来了大量占用网络资源、恶化网络环境等问题。因此,对P2P流量的检测监管变得愈发重要。本文对基于深度流检测DFI (Deep Flow Inspection)技术的P2P网络流量识别技术进行了研究。DFI技术的研究对象是数据流,根据其数据流中体现的统计特性来进行识别工作。相对于需要对每个数据包进行特定字符串匹配的深度包检测DPT (Deep Packet Inspection)技术,DFI技术具有运算量少、易于升级数据库等优点,在实时识别中具有重要意义。本文采用机器学习领域的C4.5决策树算法和AdaBoost算法来进行DFI识别。C4.5算法根据最大信息增益率原则生成决策树对流量进行识别,AdaBoost算法则通过多次调用C4.5算法生成一系列决策树联合成更加强大的识别器。本文实现了一个网络流量识别程序。该程序包含抓包模块、统计模块、分类模块、端口监视模块、多线程模块、文件存取模块和交互模块等,是本文实验的平台,并有一定工程应用价值。通过自行实现的程序,本文对流量识别技术进行了实验,得出了相关结论。同时,本文还对一种基于端口并发连接数的新型P2P流量识别技术进行了初步研究。