近年来,大众网络安全意识越来越强烈,网络上的个人隐私也越来越受重视,越来越多的网络数据被加密传输。虽然加密技术让广大重视隐私的用户受益,但它在保护隐私的同时也造成了一些安全风险——加密使得恶意流量难以被检测。加密流量检测可以对互联网流量进行有效监管,是网络安全的重要组成部分。目前对于加密流量检测的方法大致可以分为:基于有效负载的检测、基于机器学习的检测、基于数据包大小分布的检测、基于行为的检测、基于混合方法的检测。但其中的大部分检测方法仅对单条网络流量进行分析,识别粒度较粗,难以进行加密流量的精细化识别。终端在响应用户行为时,有时会使用多条网络流量来共同完成某一功能,这些网络流量之间在逻辑上有较强的关联性。传统的加密流量检测方法仅关注单条网络流量,并未重视网络流量之间的关联性。本文在理论分析和实验验证的基础上,将网络流量之间的关联性纳入考量,提出了一种基于多流联合特征的加密流量检测方法。本文的主要工作:（1）分析用户行为所产生的网络流量,结合理论分析,定义多流及其相关概念;（2）归纳多流之间的几种关联性,给出网络流关联度定义和度量方式,并进行实验评估;（3）提出一种纯净流量获取方案,并以此完成实验数据的采集;（4）对网络流量的多流挖掘进行一定探索,提出一种基于层次聚类的多流挖掘方法,并通过实验进行验证;（5）提出一种基于多流联合特征的加密流量检测方法,该方法关注用户行为所产生的多流以及它们之间的关联性,并以此建立模型,进行用户行为的识别,最后通过若干实验验证识别的效果。