随着5G时代网络通信服务能力与质量的不断提升,以各类视频通信协议为代表的流媒体技术日渐成为网络信息传递的主要方式,视频流量在当下网络流量传输中的占比也越来越大。传统的视频流量多为非加密流量,随着数据隐私保护意识的不断提升,以及虚拟专用网络（Virtual Private Network,VPN）为代表的加密隧道技术在商业和个人通信场景中的广泛应用,以加密隧道方式传输的视频流占比也出现迅速提升,这给基于被动流量分析的网络监管以及运维调度带来了极大的挑战。传统的视频流分析方法仅能适应明文或特定加密协议视频流量的分析,当前针对网络隧道的流量分析方法仅停留在流量业务类型识别层面,尚缺乏针对加密隧道中视频流的精细化分析工作。通过对加密隧道中视频流量的来源、延时量、分辨率等属性进行推断分析,可以在当前形势下为此类视频流量的监管和调度提供有力的技术支持,其对于特定区域网络服务质量的提升乃至我国的网络空间安全治理均有着重要的意义。本文针对OpenVPN这一应用最广泛的网络隧道类型,对其视频流属性推断开展了如下研究工作:（1）分析了OpenVPN加密隧道视频流的时间与空间分布特性。从响应时间、包间时延等时间序列分析报文在时间维度的特点,从有向长度序列、下行传输负载等分析报文在空间维度的特点,对加密隧道视频流的时空特性分析可以为进一步的多维特征提取奠定基础。（2）提出了OpenVPN加密隧道视频流量检测方案。通过分析OpenVPN握手机制和隧道协议通信流程,设计了基于数据包负载长度、方向等序列特征的OpenVPN隧道流量识别方案,并进一步基于负载长度、传输速率的统计特性识别隧道视频流量,通过该两级串联识别的方法对隧道视频流量进行筛选。（3）提出了OpenVPN隧道视频流量的来源属性识别方案。通过建立时间、空间、隧道特性等可表征视频流来源的多维特征库,并采用信息增益比和一致率的特征评价方法,形成可有效识别隧道视频流来源的特征集合,利用多种机器学习方法对特征集的有效性进行了验证。（4）提出了OpenVPN隧道视频流量的服务质量属性推断方案,包括延时量属性估计以及分辨率属性识别。延时量属性的估计是通过对视频流进行传输速率曲线拟合来实现,分辨率属性的识别是通过提取加密隧道中视频流负载的分窗统计特征,并基于标签集计算各类别分辨率可疑度进而识别其分辨率。（5）设计了OpenVPN隧道视频流量属性推断系统。对隧道识别、视频流识别、来源属性识别以及服务质量属性识别这四个不同尺度、维度的流量分析任务的耦合机制进行设计,从系统框架、工作流、模块设计等方面阐述了该隧道视频流属性推断系统的工作机理,并在实际较大带宽的流量环境中对系统的有效性进行了验证。论文最后对全文进行了总结,并对未来值得进一步研究的问题进行了展望。