互联网技术的发展与互联网产品的应用是信息时代最重要的特征。数据包分类技术由于可以广泛的应用于诸多网络应用中，近年来，被不断的开发与改进。在大量学者的研究下，该技术取得了显著的进步。同时，网络通信方式的多样性和灵活性，也给数据包分类提出了更高的要求。提高算法性能以应对发生更加频繁、内容更加复杂的网络数据，是当今数据包分类技术不断努力的方向。近年来，许多数据包分类算法被提出并应用，本文提出了一个基于统计波形的数据包分类方法，以一定网络流量的数据包为依据，设计了相关的基于数据包统计波形信息的特征提取、量化、匹配算法，来进行数据包的分类、判断。并且，在此基础上，本文还设计了一个完整的数据包检测系统，以实现实时检测网络应用行为的目的。本文所提出的数据包分类算法是基于网络数据包特征的统计波形信息进行判断的，在网络应用行为日趋复杂的今天，该方法与传统的检测方法相比，能够较为明显的提升检测的准确率。同时，针对本算法，本文在前人的基础上，提出了独特的特征提取办法，选择了数据报文的9个能够描述数据通信所包含信息的特征值作为原始数据来进行运算。在对所提取的数据包特征信息量化后，再通过一系列算法来计算特征的统计波形信息。针对各个统计波形信息，本文还设计了与之相适应的模式匹配算法。通过对上述统计量的匹配与分类，来识别用户的网络应用行为。本文实现的数据包检测系统架设在实验室搭建的的网络环境上，对流经的网络流量进行实时的检测。大量的实验结果表明，经过适当的训练之后，系统在网络行为检测上有不俗的表现，漏检率与误检率很低。另外，通过与相似算法的对比实验，证明了本文所提出的匹配算法在网络数据检测方面具有良好的性能，对于流量信息接近的网络应用有较高的区分度。