本发明适用于流量分类技术领域，提供了一种基于特征融合的Tor流量分类方法，所述方法包括：步骤1:对原始流量负载数据进行采集清洗并标注，得到经过标注的暗网流量负载数据；步骤2:预处理，基于暗网流量负载数据，将其按照会话层切分成若干条流，再将每道流预处理成特征融合序列，并划分训练集与验证集；步骤3:构建模型，构建依次由CNN层、Bi‑GRU层、全连接层、softmax层组成的神经网络模型；步骤4:利用划分的训练集对神经网络模型进行训练；步骤5:利用划分的验证集验证模型精度，精度满足要求后于真实网络节点部署，得到训练好的模型，本申请实施例的技术方案，对不同的具有代表性的Tor流量数据集进行实验，验证了该方法的有效性，准确率高。