一种基于多维度特征深度学习的Tor匿名网络流量识别方法

本发明公开了一种基于多维度特征深度学习的Tor匿名网络流量识别方法。包括：抓取和初步筛选数据包，将数据包归类为一系列网络流；提取每条网络流的JA3流量指纹，并与Tor‑JA3流量指纹库匹配，若匹配则识别为Tor网络流；对未匹配的网络流，使用统计方法提取其统计特征，并提取数据包的上下行方向；按时间戳排序数据包，获取数据包的时序顺序，并提取时序特征；使用FFT算法提取频域特征；利用CNN深度学习模型提取网络流中每一个数据包的内容特征，进而构建流量数据图；采用异构图神经网络模型对流量数据图提取图特征；最后利用全连接神经网络融合统计特征、时域特征、频域特征和图特征进行识别，并将识别出的Tor网络流的JA3流量指纹存入Tor‑JA3流量指纹库。