目前的网络加密数据识别方法对已知特征加密数据的识别效果比较明显,但是对未知特征加密数据的识别则没有显著效果。论文针对这一实际情况,创造性地将密钥随机性检测算法应用于加密数据识别。从加密系统原理出发,围绕数据内部数理统计所表现出的一些特征进行明密识别,在网络数据识别上取得了一定的成果。绪论中论述了本文的研究背景,主要介绍了国内外在加密数据识别方面的现状以及一些新生的先进技术与思想在数据识别中的应用。第二章论述了加密原理。从基于混淆和扩散的加密体系,基于数论的加密体系以及基于序列密码的加密体系三个不同角度,系统地阐述了数据加密的主要步骤以及密文所呈现出的特性。这些特征为后续的加密数据识别算法提供了重要理论依据。第三章和第四章论述了基于数理统计的明密识别算法,主要是围绕加密后数据所表现出来的平衡性,摆动性,周期性,可压缩性,线性依赖性以及局部平衡性,使用信息熵计算,游程统计,局部累积和以及全局统计等模式,对数据进行识别。论文对其中的一些算法进行了改进,新的算法能够更有效区分加密数据和非加密数据。论文所使用的思想打破了在数据内部以特征识别为主的传统方式。第五章阐述了基于数理统计的网络加密数据识别方法在实际数据中的应用。对几种典型加密类型的数据,通过分别调整不同的数据长度,使用多种测试组合测试其效率,验证了算法的有效性,并对实验结果进行了分析,为指导后续的网络未知类型数据的明密识别提供了技术支撑。加密数据的获取与处理在信号层和信息层上有各自的识别手段。本文的识别思想是对当前在信息层面上识别方式的补充。为有效识别网络未知类型的加密数据提供一种操之可行的方法。