近年来,随着人们对个人隐私问题的重视,诸如Tor等匿名通信系统越来越受到欢迎。匿名通信系统能够避免攻击者推测出通信双方的通信关系或者某一方的身份信息。然而,匿名通信系统在对正常用户提供身份匿名服务的同时,也容易被恶意用户利用,其中影响最深的就使用Tor匿名通信系统组建的暗网,非法分子借助暗网的匿名性,有恃无恐地从事各种违法犯罪活动,因此如何破解暗网中匿名用户的身份对维护网络安全具有重要意义。针对暗网中用户身份匿名的问题,本文提出一种匿名用户身份破解方案,能够定位访问某个特定暗网网站的用户IP地址。首先提出一种新的基于时隙质心分组的网络流水印方法,通过对数据流进行时隙划分,将相邻的两个时隙作为一个分组,并且按照特定的规则调整分组间时隙质心的大小关系,隐蔽可靠地嵌入水印信息。接着基于该网络流水印方法,攻击者利用暗网中受控的隐藏服务,在响应用户的数据流中嵌入水印信息。同时,攻击者尝试对用户接收到的数据进行水印提取,对提取的水印信息进行检验,判断用户是否正在访问该暗网,从而破解用户的匿名性。此外,为了高效、准确地区分用户的普通流量与Tor匿名流量,本文提出了一种基于机器学习的流量识别方法。首先根据Tor匿名机制和流量特点,对Tor流量的报文长度、报文数量和报文间隔时间进行分析,选择了10个主要的特征,对C4.5算法进行组合改进,简化了决策树的生成过程,并通过实验证明了该方法能够有效提高Tor流量识别的准确度和效率。本文通过实验分析了该流水印方案的隐蔽性和稳健性,证明其适用于Tor匿名网络,并在实验中与已有方案进行对比,验证了该流水印方案的有效性以及破解暗网用户身份的可行性。