I2P是一种常用的匿名通信机制,通过多级加密隧道机制实现对通信双方的身份信息和通信关系的隐藏。I2P在为用户的网络访问提供匿名保护的同时也被恶意用户所滥用从事非法活动。因此,I2P匿名网络流量识别与分类研究,有助于有效识别攻击者的恶意行为,对保护网络安全有着重要的理论意义和应用价值。基于P2P架构,I2P采用大蒜路由机制实现用户信息隐藏。一方面,由于I2P节点生存周期短、更新速度快等特点,设计I2P内部资源采集方案,提出两种节点收集算法。另一方面,针对网络中匿名流量少、动态端口机制、加密后难以检测与识别等挑战,本文提出利用报文长度特征和NTCP协议分两阶段实现I2P流量识别的方法和基于流特征的I2P流量分类的方法。本文主要工作和贡献如下:(1)在数据采集阶段,通过研究I2P匿名网络中节点发布与更新机制,设计I2P网络内部资源节点采集方案,提出通过网络数据库NetDB实时监控功能模块和补种网站定期爬取功能模块实现I2P节点的发现与采集的方法。基于节点RouterInfo结构的解析,构建节点信息数据库,为后续流量识别与分类实验研究提供数据标定基础。(2)由于I2P采用动态端口机制,因此针对传统端口识别方法对匿名流量识别的局限性以及网络中匿名流量较少、难以检测等问题,本文提出一种基于报文长度特征和NTCP通信协议分析的I2P流量检测方法,实现对大量普通流量中I2P流量的检测和识别。该方法主要分为两阶段进行I2P流量识别:首先基于报文长度熵值分析过滤非I2P流量,然后基于报文载荷长度序列匹配准确识别I2P匿名网络流量。在实验采集数据集上进行实验研究,证明该方法能有效、快速地识别I2P匿名网络流量。(3)针对匿名服务众多、匿名网络流量混杂等问题,提出一种基于流特征的I2P匿名流量分类方法,将I2P流量分类为匿名文件共享、匿名聊天、匿名网站等三种匿名服务流量。根据选取流量统计特征数量不同,设计三组对比实验,基于四种分类算法(NaiveBayes、BayesNet、SVM、RandomForest),采用准确率、精确率、召回率等指标评价分类模型性能。实验表明,RandomForest分类性能表现最优,分类模型的分类性能也会随着特征数减少而提升。与传统方法相比,本文提出的I2P流量识别分类算法性能更优。