随着互联网技术的发展,大量的流媒体应用流行起来,人们已不再满足于通过网络进行纯文本方式的沟通。腾讯QQ作为一款拥有5.3亿注册用户的即时通讯软件,在语音通讯方面其技术也不断有新的突破。由于QQ语音业务量的增大,对其进行准确检测与识别具有重要意义,但传统的基于特定字段匹配的方法比较脆弱,目前并没有很成熟的方法对其进行准确识别。本文针对传统识别方法的不足,设计实现了一种基于业务随机统计特性的识别方法。充分分析了QQ语音业务流量特点并对其源端进行了建模研究。首先,利用QQ语音业务源编码特点,通过采集数据包大小、相邻数据包时间间隔等参数,得出语音数据流量的本质特征,在此基础上使用Bayesian识别法进行检测;其次,针对QQ语音应用中一些非语音数据包的周期性特点,设计实现了“心跳”识别法。两种方法综合使用,可有效的实时检测QQ语音业务流。该识别程序运行在windows操作系统下,使用C语言实现。为验证该识别方案的应用效果,使用了Nistnet网络环境模拟软件,模拟构造了大量不同的网络实验环境。实验结果表明,通过调整一些关键参数,在不同的网络环境下,该识别方法均可取得较为良好的效果。另外,针对QQ语音业务的该检测方法的成功,也为将来可扩展到的对其他应用的准确识别与检测奠定了基础。同时,为了解释该识别方案的不足之处,也对网络编码技术进行了介绍,并说明了网络编码在反检测与网络安全方面所体现的重要作用。