随着用户网络安全意识的提升,大量的应用程序使用加密隧道来传输数据,如VPN,SSH等。网络中的流量种类变得更加多样,当前网络流量中不仅含有传统的数字,图像,流媒体等,还包含了多种加密流量。由于缺少对加密流量的了解以及有效的识别手段,加密流量提升了网络管理的难度,对网络安全构成了极大的威胁。对加密网络流量的分类有助于了解网络流量的组成,有利于网络管理和网络安全。当前,随着网络流量加密技术的广泛运用,传统的网络流量分类方法已经不适用于当今复杂多变的网络。本文分析了由VPN加密并传输的流量并对其分类方法进行了探索。本文提取了加密网络流量基于时序的特征,构建了基于深度神经网络的加密流量分类模型,识别并分类了7种不同类别的加密网络流量,并与常用的朴素贝叶斯分类算法进行对比。同时,本文还在小范围内研究了mini-batch size的取值是否会影响深度神经网络的分类效果,探讨mini-batch size的变化对深度神经网络分类效果的影响。实验结果显示,基于深度神经网络的加密流量分类模型的分类能力远好于朴素贝叶斯方法。在训练时,mini-batch size会对深度神经网络模型产生不同程度的影响,当mini-batch size为40时,深度神经网络模型的分类能力最好。