不法分子利用洋葱路由器（Tor）匿名通信系统从事暗网犯罪活动，为社会治安带来了严峻挑战。Tor网站流量分析技术通过捕获分析Tor匿名网络流量，及时发现隐匿在互联网上的违法行为进行网络监管。基于此，提出一种基于自注意力机制和时空特征的Tor网站流量分析模型——SA-HST。首先，引入注意力机制为网络流量特征分配不同的权重以突出重要特征；然后，利用并联结构多通道的卷积神经网络（CNN）和长短期记忆（LSTM）网络提取输入数据的时空特征；最后，利用Softmax函数对数据进行分类。SA-HST在封闭世界场景下能取得97.14%的准确率，与基于累积量模型CUMUL和深度学习模型CNN相比，分别提高了8.74个百分点和7.84个百分点；在开放世界场景下，SA-HST的混淆矩阵各项评价指标均稳定在96%以上。实验结果表明，自注意力机制能在轻量级模型结构下实现特征的高效提取，SA-HST通过捕获匿名流量的重要特征和多视野时空特征用于分类，在模型分类准确率、训练效率、鲁棒性等多方面性能均有一定优势。
