梁晓萌，严 明，2，吴 杰，2

（1.复旦大学 计算机科学技术学院，上海 200433；2.教育部网络信息安全审计与监控工程研究中心，上海 200433）

0 概述

流量识别技术是网络运营商用以对流量进行监控的重要手段。近年来，互联网产业的发展使得用户能够在加密自身信息元素的情形下对网络进行访问，因此，及时、准确的流量特征的反馈，已经成为运营商能够成功进行流量监控、网络监管的重要挑战之一。

国内外学者对Tor 匿名加密流量［1］的识别与分类进行了研究。CHAKRAVARTY 等［2］提出一种针对Tor 网络的攻击，目的是暴露客户端的身份（IP 地址），并给出一种主动流量分析攻击方法，在服务器端（串通服务器）故意干扰用户流量。根据统计相关性观察到在客户端也存在类似的干扰，该方法在实验室测试中达到100% 的准确率，实际实验超过81%。HE 等［3］提出一种基于HMM（Hidden Markov Models）的方法，将加密的Tor 流量分为P2P、FTP、IM 和Web（其他情况未知）4 类。作为分类器（特征），使用从Tor 流中提取的burst 体积和方向，并运用HMM 构建不同应用程序类型（P2P、FTP、IM 和Web）的模型。HABIBI 等［4］提出一种基于时间分析方法来提取匿名加密流量特征，实验结果表明，仅通过时间特征可以有效地检测出加密流量的类别，且流量的时间越短，识别率越高。该方法在不同的算法分类下的识别率范围为70%～90%，但其提取的特征无法做到实时性。PAN 等［5］对深度学习在信息安全领域的优势做出了评判，对于大型数据集，基于深度学习的分类器通常优于其他分类器，并且可以针对相似类型的应用程序进行推广。……