В настоящее время растет интерес к задачам эффективного управления пакетнымисетями: качеству обслуживания, обеспечению информационной безопасности, оптимиза-ции использования программно-аппаратных ресурсов сети. Все эти задачи во многом опи-раются на анализ и классификацию сетевого трафика. Данный трафик неоднороден, какправило, имеет пульсирующий характер, трудно поддается прогнозированию, описываетсяматематическим аппаратом случайных процессов. В разное время условия прохожденияпакетов по одному и тому же пути могут значительно отличаться. Вместе с тем появля-ется значительное количество приложений, требовательных к задержкам и джиттеру.Задача администрирования в данном контексте состоит в правильной настройке узловкоммутации и маршрутизации. Классификация трафика позволяет идентифицироватьпакеты различных приложений и служб и обеспечить их приоретизацию при передаче посети. Например, трафик видеоконференций необходимо передавать в первую очередь, по-скольку он очень чувствителен к задержкам и джиттеру, трафик данных можно переда-вать в последнюю очередь. Классификация трафика на сегодняшний день задача актуаль-ная как с точки зрения администрирования сети, так и с точки зрения обеспечения еёбезопасности. Ввиду того, что большое количество приложений сейчас шифрует переда-ваемую информацию и просмотреть ее содержимое очень сложно, особый интерес пред-ставляет классификация трафика, которая позволяет по косвенным признакам опреде-лить аномалии в работе сети, признаки вторжения. В данной работе рассмотрены осо-бенности решения задачи классификации зашифрованного трафика. Целью работы явля-ется исследование особенностей классификации зашифрованного трафика с использовани-ем корреляционного анализа и алгоритма, основанного на разности интегральных площа-дей. Задачи исследования: – разработать алгоритм классификации трафика на основекорреляции и известными образцами; – разработать алгоритм, основанный на разностиинтегральных площадей под кривыми интенсивности трафика; – провести практическоеисследование точности решения задачи классификации. В работе рассмотрена классифи-кация трафика по трем группам: аудио, видео, данные. В результате выявлена достаточ-ная точность корреляционного алгоритма при определении аудио и трафика данных.Для выявления видеотрафика лучше использовать алгоритм, основанный на разности ин-тегральных площадей под кривыми интенсивности.