基于“人人为我，我为人人”思想构建的P2P网络是一种位于底层物理承载网络之上的柔性逻辑覆盖网，具有极强的鲁棒性。这种鲁棒性在赋与各类P2P业务广阔发展空间的同时，也为P2P网络的管理带来了极大的挑战。在分布式自组织的P2P覆盖网中，难以从控制层面和数据源头对P2P业务进行事前控制，基于P2P节点流量的事后控制是当前P2P网络管理的主要手段之一。然而，P2P流量分类方法的相对缺乏使得互联网中P2P流量和内容处于失控状态，严重损害了各方利益。鉴于DFI（Deep Flow Inspection）技术在P2P流量分类方面的巨大潜力，本文以国家863计划项目“高可信网络业务管控系统”为依托，紧紧围绕“P2P业务在覆盖网中具有哪些特征？”以及“这些特征在承载网络中是如何体现的？”两个科学问题，从P2P流媒体业务的覆盖网稳态模型出发，分析节点在对应物理承载网中的流量特征，并建立实时P2P流媒体流量分类算法。本文主要研究成果如下：提出了一种具有实际可操作性的实时P2P流量分类算法。基于宏观层面P2P节点的双重角色特征和微观层面连接在不同方向上流量的非对称性特征，提出了一种具有实际可操作性的实时P2P流量分类算法R2TC（Role-based Real-time Traffic Classification）。该算法以流的最近N个报文中长包的比例估计通信双方的角色，并依据P2P节点的双重角色特征实现流量分类。R2TC算法仅需关注链路中包含长包的流，大大降低了其存储开销；同时，该算法仅需考虑流的最近N个报文，可有效满足实时P2P流量分类应用需求。实验评估结果表明，该算法仅需缓存链路中约30%的流，可实现最低93%的字节级P2P流量分类召回率和90%的分类精度。建立了节点缓存状态异步的P2P直播流媒体稳态传输模型，并以模型分析结果为基础提出了一种基于失败型会话的P2P直播流媒体流量分类算法。基于P2P直播流媒体中节点缓存状态并非完全同步的事实，建立了节点缓存状态异步的P2P直播流媒体稳态模型，并根据P2P节点的chunk下载行为将该模型扩充为P2P直播流媒体流量传输模型。结合模型的数值分析结果以及P2P直播流媒体与点播流媒体、文件共享等应用在缓存策略上的差异，指出：P2P直播流媒体中，节点的失败型会话较其它应用较高。以此为依据，提出了P2P直播流媒体流量分类算法FSTC-live（Failed-Session-based Traffic Classification for P2Plive streaming），可实现94%的P2P直播流媒体流量分类召回率和91%的分类精度。分析了文件分片机制在P2P点播流媒体系统中的重要作用，提出了一种基于文件分片的P2P点播流媒体流量分类算法。借助于已有P2P点播流媒体系统模型，分析了流媒体文件分片机制对P2P点播流媒体系统快速进入稳态的重要作用，并以实际流量验证了P2P点播流媒体系统中文件分片机制的存在性。基于不同分片机制引起节点流量中长短包分布不同之认识，提出了一种P2P点播流媒体流量分类算法FFTC-VOD（File-Fragment-based Traffic Classification for P2P VOD streaming），并在算法中引入可信区域，以有效减少误判事件的发生。实验评估结果表明，在可信区域半径为0.5的条件下，算法可同时保证良好的误判率与漏判率性能，可实现最低90%的P2P点播流媒体流量分类召回率。建立了多频道P2P流媒体系统的节点churn模型，提出了一种基于节点channelchurn行为的P2P流媒体流量分类算法。建立了多频道P2P流媒体系统的节点churn模型，从理论上分析了多频道P2P流媒体系统中节点churn行为对各频道中节点数目、聚合逗留时间、聚合剩余逗留时间、节点邻居关系更新速率等统计量的影响，指出：节点的channelchurn行为会触发其邻居关系的突发更新，并导致节点流量中成功型会话的突发。以P2P流媒体、用户channel churn行为、节点传输层会话突发三者之间的强相关特性为基础，提出了基于节点channel churn的P2P流媒体流量分类算法CCTC-streaming（Channel-Churn-based Traffic Classification for P2P streaming），并综合本文研究成果给出了多种算法联合的P2P流媒体流量分类方案，以实验评估结果验证了CCTC-streaming算法在P2P流媒体流量分类中辅助作用，结果表明：CCTC-streaming算法可使P2P流媒体流量分类召回率提升至95%，分类精度提升至97%。