随着区块链的普及，越来越多的分布式应用（DApps）被部署到以太网上，以实现无需监控的通信。当这些应用程序采用SSL/TLS加密传输数据时，用户的习惯可能会被泄露。加密协议和相同的区块链平台给DApps的流量分类带来了挑战。现有的加密流量分类方法在DApps情况下精度较低。本研究针对DApp指纹识别，设计了一种有效的融合不同维度特征的方法。在提出不同维度的特征融合方法之前，首先分析了现有方法表现不佳的原因。然后利用核函数融合特征，提出了一种融合特征选择方法，以选择合适的特征进行融合。应用被机器学习算法所迷惑的特征，可以构造一个强大的分类器。实验结果表明，该方法的准确率可达90%以上，优于现有的分类方法。

本研究由清华大学、北京理工大学在本项目的支持下完成，发表在CCF推荐B类国际会议IEEE/ACM IWQoS 2019上，原文可由链接https://doi.org/10.1145/3326285.3329053查看。