随着互连网技术的快速发展，网络结构的日益复杂，网络的安全性、可管理性及传统应用受到了挑战。网络新应用层出不穷，网络结构从传统的非对称的C／S，B／S模式，逐渐转向P2P结构的应用模型。网络应用从以前简单的、消耗网络带宽很少的简单页面浏览，电子邮件，文字聊天等转变为高清晰音视频传输、交流、P2P电影、音乐等下载等数据流量激增的各种应用。网络管理面临很多新的挑战，如网络出口拥塞、病毒泛滥和P2P软件滥用网络资源等等。因此需要监视网络中的关键资源，同时进行流量监控和流量分析，为网络管理员对网络资源的分配和对网络性能的提高提供参考依据。在此次研究中，针对传统的网管软件、网络工具仅通过对OSI模型第三、四层网络流量的监测和检查，获得的信息资料简单而笼统的问题，为了适应现代网络发展的需要，设计了在多种系统平台上对网络流量中各种应用协议流进行分别分析监控，特别是针对那些采用动态连接端口、伪装HTTP协议和传输分块等来逃避识别和检测的已知P2P应用，根据payload特征和检测效率分层分模块建立相应的分析模型进行识别和监控。对于新出现的和未知的新应用层协议，进一步使用数据挖掘、机器学习等技术设计机器自动分类识别功能来提取新应用层协议的特征，为监控与管理新出现的各种应用层协议特别是未知P2P应用协议提供思路和方法。最后，通过对实际网络主干流量的分类监控和获得的数据，辅助网络流量仿真软件，进行了网络流量的长相关特性的不同应用协议分类分析，发现和传统应用流量相比，P2P流量仍然具有长相关特性，这为下一步设计网络流量的预测模型提供了实际数据的依据。