インターネットの進化におけるもう一つの挑戦的な傾向は、以下を含むすべてのディメンションのインフラの驚異的な成長、あるリンクの帯域幅容量（背景）。トラフィック分類のほとんどは実際のアプリケーションは、オンラインで作業するためのツールを必要とライブ情報を報告したり、分類結果に応じたアクションをトリガー（目的）。しかし、現代のリンク上のオンライントラフィックの分類は必要とのトレードオフを精度、パフォーマンス、およびコストの間で（制限）。実用的な課題ではなく、これらのトレードオフの体系的な厳密な分析よりも単純化された環境での限られた評価が多く発表された研究（現在は単にシナリオを弱める）につながっている。のためにどちらかが各トラフィックフローのペイロードストリームの短い部分を分析し、またはそのを簡素化 - の例では、カスタムすることなく、オンラインで作業するために、（多くの場合、非常に高価）なハードウェアは、複雑なDPIの分類は、機能性を犠牲にしなければならない（余分なハードウェアサポートが敏感なトピックです）アプローチをパターンマッチング。
機械学習技術を下げるために同様の妥協（ML方式がオンラインに対応するために政策を調整することも必要である）を必要とするか、またはオンラインの実行中分類のレイテンシを結合した。データ削減は、一般的で実装されたパケット数制限フローの[を。9、10]（方法1：抽出することができる使用して機能理想的には、トラフィックを分類するために使用される[11]の分類を抽出する計算オーバーヘッドを特徴の集合を減少させることによって制限される機能に使用）パケットの数を減らす低計算複雑度（方法2：還元特徴抽出。彼らはあるための適切な複雑さ）の一部の機能ではないが分類オンラインのためのものだけ流れの終わりに利用可能な総転送バイトとして、終端機能ストリームが使用されなくなりました）：（方法3。
Dainotti A、Pescape A、Claffy K C.問題およびトラフィック分類における将来の方向[J]。IEEEネットワーク。2012、26（1）。