随着日常生活数字化进程的不断加快,移动支付、数字货币和区块链等新兴技术开始崛起,这一切都离不开现代密码学的飞速发展。伴随密码学内容的广泛应用,产生了大量的加密数据。由于加密数据自身的特殊性,使得对其加密过程中所用到的密码体制进行识别这一任务,无论从密码分析学的角度,还是数据分析的角度,都成为一个主要难点。而且,识别密文所用密码体制是进一步分析密文的重要前提。本文针对密码体制识别问题,对识别方案的理论基础、密文特征的提取方法和分类器模型构造等内容分别开展研究。关于密码体制识别问题的理论基础,有研究给出了简单的形式化描述。但仅有对问题和方案的定义,无益于对密文特征提取和分类模型构建等主要难点做出实质性推进。有鉴于此,本文在现有密码体制识别问题的定义系统基础上,进一步对密码体制识别问题中所用到的密文特征进行特征建模。从此模型出发,对密文特征的不同属性进行分析,并通过对比实验研究了密文特征的不同属性对识别方案识别效果的影响机制。分析实验结果发现,在密码体制识别方案所选用的密文特征中,不同特征对相同密码体制的识别效果存在差异。根据密文特征模型,密文数据的组织方式和提取特征时所用的数学变换方式对密码体制识别方案的识别效果影响较大。并基于实验结果,重新设计了密文特征提取方法,提出了一种可适应多种密码体制识别情景的动态特征识别方案。该方案结合Relief特征选择算法和异质集成学习分类器,首先利用特征选择算法对提取密文特征时所用的字符集合进行特征选择,根据不同的具体密码体制识别情景,选择出更适合当前识别任务的字符集合,并以新的字符集合作为提取密文特征的基础,之后再利用分类器完成识别任务。实验和分析在包含序列、分组及公钥加密算法在内的10种加密算法构成的密文数据集上展开。本文除选择以计算密文的熵值和概率作为提取密文特征的方法外,借鉴文档分类的相关研究成果,选择利用doc2vec技术将密文文本转化为向量的方式完成识别任务。实验和分析在9种加密算法组成的密文数据集上展开。实验结果显示,在包含多种类密码体制的识别任务中,本文提出的根据不同具体识别情景,动态生成不同密文特征的识别方案,比不区分识别情景,均使用单一密文特征的识别方案的识别效果更好,准确率更高。