加密通信网络的目的是隐藏通信双方的关系和内容,一旦双方建立了加密通信网络,通信内容就会被加密,第三方的源和目标IP等路由信息也会被隐藏。当用户通过加密通信网络进行网页访问活动时产生的多次请求和应答的流量就是加密网页流量,使用网站指纹识别技术对这些加密网页流量进行识别,就可以在不破解用户加密数据的情况下得到用户访问的网页信息,对用户网络进行内容审查。在进行网站指纹识别时,其中最重要的一步就是确保进行识别的流量是单网页加密流量,因为现有网站指纹识别方法都是基于单网页流量进行网站指纹模型的构建,如果输入的待检测加密网页流量是多个网页的混杂流量,就不能对网站进行准确识别,影响网站指纹识别技术在实际审查场景中的应用。所以对每个加密网页流量的起始数据包即加密网页流量分割点进行识别,在此基础上得到单网页的加密网页流量进行网站指纹识别,就显得格外重要。针对上述挑战,本文提出了一种基于机器学习的匿名Tor网站指纹识别方法。本文提出的方案在具体实施时有网页流量分割点识别和网站指纹识别两个模型。网页流量分割点识别模型是根据相同时间粒度对数据包进行序列划分,使用时序特点对每个序列进行特征构造和提取,然后使用机器学习方法识别每组网页序列中的第一个序列作为网页流量的分割点标识。由于分割点和非分割点数量分布不平衡,本文提出分割点数据集不平衡解决方案,并对数据集进行数据不平衡处理实验。除此之外,本文还对不同时间粒度下的特征计算效率和识别准确率进行评估,经过与现有工作进行比较,结果显示本文提出的方法有更好的识别效率和效果。网站指纹识别模型是根据Tor浏览器在网页传输加载不同阶段数据包个数和长度的分布特征进行数据包截取,通过对截取数据包长度的累加和进行等距的特征提取,使用支持向量机算法对提取的特征进行分类,以此来识别不同的网站。由于不同数据包截取数量会对网站指纹识别的效率和准确率产生影响,因此本文对不同的数据包截取数量进行实验评估,选择最优的截取数量进行识别。经过与现有工作的比较,本文的方法在具有等效识别效果的基础上,计算效率更高。最后设计真实流量环境下的Tor网站指纹识别模型,并对实际采集的Tor流量进行网站指纹识别,验证了本文所提的方案在匿名Tor网站指纹识别审查时的有效性。