网站指纹技术能够让本地监听者通过审查用户与Tor入口节点之间的匿名流量从而追踪到该用户访问的具体网站。现有的研究方法只提取了匿名流量中的部分元数据来进行网站指纹的刻画，忽视了大量隐含的指纹信息。为此，提出了基于图像纹理和深度卷积神经网络的网站指纹技术Image-FP。首先，将匿名通信流量映射成RGB彩色图；然后，使用残差神经网络(ResNet)构造出能进行自主特征学习的网站指纹分类模型。在50个网站构成的封闭世界场景下，Image-FP能够取得97.2%的分类准确率，相较于最前沿的网站指纹攻击技术提高了0.4个百分点。而在更接近真实环境的开放世界场景中，Image-FP能够以100%的准确率识别出监控网站的流量，其准确性和鲁棒性更是远远高于其他指纹技术。实验结果表明，匿名流量图像化的技术能够更多地保留网站指纹的相关特征，并且在避免复杂特征工程的同时，能够进一步提高分类精度 。