流量的准确识别不仅可以对互联网的运行情况产生突破性的改进,而且可以根据具体需求对用户行为准确的掌控和分析。然而,要准确识别应用流量,目前的技术还很难达到;另外目前针对即时通信类的流量识别的研究在业界暂时比较少。本文针对这一现状,采用神经网络算法中SAE特征提取模型,通过添加识别标签,对数据有效载荷进行特征训练,有效的解决了目前几个流行的IM流量的分类问题。在识别准确率方面大大提高,识别率达到了99%。本文的最后将SAE算法与Apriori特征提取算法在空间和时间复杂度上做比较,寻找一种最优的IM流量识别模型。