第46卷第1期通信学报Vol.46No.1
2025年1月JournalonCommunicationsJanuary2025
基于机器学习的加密流量分类研究综述
111,23
付钰，刘涛涛，王坤，俞艺涵
（1.海军工程大学信息安全系，湖北武汉430033；2.信阳职业技术学院数学与信息工程学院，河南信阳464000；
3.海军工程大学作战运筹与规划系，湖北武汉430033）
摘要：加密流量分类是网络管理和安全防护的重要组成部分，不过当前网络流量环境复杂多变，致使传统的
分类方法已基本失效。而机器学习，尤其是深度学习，凭借强大的特征提取能力已广泛应用于加密流量分类领
域。为此，对机器学习驱动的加密流量分类最新成果进行系统性综述，首先将加密流量分类工作划分为数据采
集与处理、特征提取与选择及流量分类与性能评估3个部分，分别对应加密流量分类中的数据获取、显著特征构
建及模型的应用与验证；接着将这3个部分内容细分为流量采集、数据集构建、数据预处理、特征提取、特征选
择、分类模型及性能评估7个阶段；然后分别对这7个阶段进行全面的归纳、总结与分析；最后详细分析当前工
作所面临的挑战并展望加密流量分类未来的研究方向。
关键词：流量分析；加密流量分类；机器学习；深度学习
中图分类号：TP393
文献标志码：A
DOI：10.11959/j.issn.1000?436x.2025006
Surveyofresearchonencryptedtrafficclassification
basedonmachinelearning
111,23
FUYu,LIUTaotao,WANGKun,YUYihan
1.DepartmentofInformationSecurity,NavalUniversityofEngineering,Wuhan430033,China
2.SchoolofMathematicsandInformationEngineering,XinyangVocationalandTechnicalCollege,Xinyang464000,China
3.DepartmentofOperationalOperationsandPlanning,NavalUniversityofEngineering,Wuhan430033,China
Abstract:Encryptedtrafficclassificationwasanimportantcomponentofnetworkmanagementandsecurityprotection.
However,thecomplexityandvariabilityofthecurrentnetworktrafficenvironm