流量混淆协议Obfs4是匿名通信工具Tor用来抵抗流量检测以提高网络可用性的主要机制。在真实环境中,针对Obfs4的流量检测面临以下几个问题:1)Obfs4极强的抗检测能力:Obfs4协议采取改进型椭圆曲线加密算法,对数据包全部内容进行加密,因此数据包头部和负载都不具有任何有效的明文信息,可以抵抗所有基于数据包明文信息的流量识别算法。对数据包负载部分Obfs4还使用随机填充的方式,使数据包长度分布不再具有规律,可以抵抗大部分以数据包长度作为动态特征的识别算法。2)大量相似流量的干扰:在真实环境中,存在大量使用类似Obfs4协议的混淆流量,所以找到能够明显区分Obfs4流量与相似流量的特征尤为困难。3)对精确度的高要求:在真实环境中,非Obfs4数据流的数量远远大于Obfs4流数量,如果算法的精确度不够高,会导致检测结果中存在大量的误检数据,从而影响检测结果的有效性。由于以上几个原因,设计一种能对Obfs4流量进行有效识别的算法非常困难。为了应对这些挑战,本文基于多源融合的思想,提出了Obfs4匿名流量识别算法,主要工作和贡献有:1)提出Obfs4多源特征的选择与融合方法,根据多源融合的思想,使用多种策略获取其节点特征、主动连接响应特征、握手包长度特征、有序响应特征、随机性特征、通信数据包熵值特征、通信数据包序列特征等多种类别的特征,使用表示学习的方式进行词嵌入。并且提出了串行融合后计算权重和基于核典型分析融合两种多源特征融合方法。2)提出了Obfs4匿名流量识别算法,由预处理、特征提取、多级过滤、训练与预测四部分组成。经过预处理模块和特征提取模块的待检测数据,先进入多级过滤模块进行过滤,再进入训练与预测模块被分类。3)提出一种基于加权高斯核函数的支持向量机算法和基于熵值的权重计算方法,针对Obfs4多源特征进行了算法的优化。经过实验,本文算法对Obfs4流量识别的精确度可以达到96.68%,验证了该算法对于Obfs4流量识别的有效性,同时也表明Obfs4的匿名性存在缺陷,攻击者可以根据其泄露的指纹信息对其流量进行有效攻击。