随着移动网络的迅猛发展以及智能手机的快速增加,近些年来移动app的数量正在以指数形式增长,从而导致移动网络中的流量爆发式增加且变得越来越复杂。考虑到安全和管理的问题,网络运营商需要清楚了解移动网络中的app,因此用来识别移动app流量的许多技术应运而生。传统的网络流量识别包括基于端口号、应用层负载、主机行为和机器学习等技术,这些技术都得到广泛研究与发展。它们对于Internet网络流量的识别在一定时期都发挥了较好的作用。对于移动网络流量的识别技术,国内外的研究都相对较少。目前,分析移动app流量数据包的特定标签的方法均不易提取标签;分析HTTP头中的User-Agent字段以及Host字段来识别移动app流量方法准确度低;提取移动app流量的指纹来识别移动app的Network Profile系统复杂性高。针对上述问题,同时考虑到现在大部分的应用都是基于HTTP/HTTPS协议。1.因此本文设计了一个新颖的、有效的从安卓app的网络流量生成指纹识别安卓app流量的系统,实现了安卓app的自动识别。2.为了能够有效地处理大量的流量数据,本文采用非负矩阵分解的方法分析流量使之聚类成不同的分组。每个app的访问特征由不同的分组组成,这些分组就可以用来作为区分不同app的指纹。3.为了使每一个安卓app的指纹尽量准确有效,本文提出一个多字符串聚类算法对app的指纹进行优化。实验证明,本文设计的系统不仅能够比较准确地从随机的和混合的流量中识别安卓app,而且在测试和评估中表现出非常好的性能。该系统实现了安卓app流量的自动有效的识别,且不依赖于安卓app的特殊标签,具有执行时间少、复杂度低且容错性高的特点,为安卓app流量的识别提供了一种新的方法。