دسته بندی بسته ها نقش بسزایی در بهبود عملکرد تجهیزات شبکه ای ازجمله مسیریاب ها، دیواره های آتش و سیستم های تشخیص نفوذ ایفا می کند. الگوریتم های دسته بندی بسته عموما مبتنی بر ساختار داده ای ایستا هستند که الگوی رفتاری ترافیک ورودی را در بهینه سازی ساختار جستجو در نظر نمی گیرند. در این پژوهش، ویژگی های آماری ترافیک ورودی در نظر گرفته شده و از ساختمان داده های کمکی ترافیک آگاه در کنار ساختارهای اصلی استفاده شده است. ازآنجاکه حجم غالب ترافیک اینترنت، مربوط به جریان های بلندمدت است، برای مدت زمانی نه چندان کوتاه، اکثر مطابقت های قوانین در زیر درخت های مشخصی از درخت جستجو قرار دارند. برای بهره گیری از این ویژگی، در این پژوهش از ساختار داده درخت AVL برای نگهداری قوانین دسته بند و از حدهای بالا و پایین مجموعه قوانین به عنوان گره های درخت جستجو استفاده شده است. ارزیابی ها نشان می دهد که با افزایش چولگی بسته های آزمون، تعداد دفعات دسترسی به حافظه ی الگوریتم دسته بندی ترافیک آگاه نسبت به الگوریتم دسته بندی پایه کاهش قابل توجهی دارد. بر اساس ارزیابی ها، دسته بندی بسته ترافیک آگاه با استفاده از قوانین پرتکرار می تواند میانگین کل تعداد دفعات دسترسی به حافظه و درنتیجه زمان جستجو را بیش از 40 درصد کاهش دهد.
