作为网络资源共享的典型代表，P2P（Peer-to-Peer）技术成为资源共享的最主要方式，用户通过P2P技术共享音乐、电影、文档和游戏等。P2P网络中的盗版泛滥严重损害了数字媒体公司的利益。其中，“串通盗版”（即花钱购买资源的P2P客户端免费分享资源给其他用户）背后的协同行为成为P2P版权的主要威胁源，学术界和工业界对这种威胁给予了关注。研究P2P的版权问题可以归结为如下两种方式：第一种方式利用协议级签名的方法来自动识别和有害预防；第二种方式属于应用级监管，需找出非法内容和IP之间的关系进行非实时的针对用户的警告或处罚。值得注意的是，第一种方式是嵌入特定个人授权协议（例如PAP）到标准的P2P协议中，而第二种方式在旨在不影响或不改变公认开放共享特性的标准P2P协议。事实上，在工业化实施过程中，第二种方式更实用也更容易被各方接受。本论文研究工作属于第二种方式的范畴，基于CBF(Count BloomFilter)对协同行为分析开展了针对性研究，其创新与特色主要包括以下内容：1.提出了一种MCBFC(Multi-Count-BloomFilter-Cycle)结构存储P2P用户行为following关系，其中MCBFC是由时间标签和N个CBF组成的环状结构，每个CBF中的计数器Count都连接有一个链表，用户行为following关系(U seri, R k, User j)经哈希函数散列到相应的链表中存储；2.提出了一种针对协同行为的基于内容反馈的following分析方法。论文提出了PFCF(Probabilistic Following with Content Feedback)模型，并分析了PFCF模型部署位置，对PFCF模型中的MCBFC存储结构，提出了一种用户行为关联挖掘算法，算法通过检测到的资源和用户，挖掘用户的相关行为，同时根据挖掘出来的用户关联行为数据进行following概率分析以及基于内容反馈的following概率分析，通过用户行为following分析预防阻止P2P版权；3.基于CBF和MCBFC两种存储结构做了充分实验。主要从碰撞率、空间分配、时间复杂度三个方面进行对比，验证了MCBFC结构不仅比CBF结构好的存储效率，通过牺牲可容忍计算代价有效支撑历史行为关系分析，而且MCBFC环存储结构可以保存一定时间的用户行为历史数据用于分析。