在信息化的现代社会,网络已经普及到各家各户,成为大众生活中必不可少的一部分。浏览器作为用户使用最频繁的一款网络软件,它的安全和服务一直是广泛关注的焦点,也是用户选择使用的考量依据。识别浏览器一方面可以让服务器提供更有针对性的服务,另外一方面攻击者也可以探知浏览器的版本型号,进行更有针对性的攻击。在初期的浏览器研究工作中,有运用植入服务器端的脚本语言来获取用户访问该服务器端网页时留下的浏览器指纹信息,也有提出运用流量分析的方法识别浏览器,但识别的准确性并不高。本文在介绍了浏览器的组成基础之上,着重讲解了浏览器解析网页时,内核的工作原理,初步探讨了不同内核在渲染同一网页时,流量差异的主要原因。为了验证流量分析在识别浏览器上的可行性,我们用13个浏览器在加密数据流的局域网的环境下分别访问了300个图片网页,将获取到的流量踪迹数据运用LL、HWF、DCRS攻击方法下的机器学习流量分类器分析处理,得到的浏览器识别概率最高为100%。因此,流量分析为识别浏览器提供了一个新的思路,而用户在应对这种新型攻击方式的时候,一定要加强浏览器安全使用意识,尽量避免使用安全性低的浏览器,防止受到利用浏览器针对性漏洞攻击系统的危害。