伴随着诸多新兴业务的发展，对移动通信的数据速率的要求也越来越高，网络运营商需要在确保用户隐私安全的情况下进行流量分类，分配所需的网络资源来服务用户，更好地优化移动通信的体系结构。传统的基于协议特征、关键字信息的流量分类方法会带来精度下降、实时性不足等问题。文章采集4G LTE网络中的下行控制信息（Downlink Control Information，DCI），训练了三类基准机器学习分类模型和长短期记忆网络（Long Short-Term Memory，LSTM）模型，识别了5种主流应用流量。实验结果表明，LSTM模型的F1-Score达到了98.92%，在不侵犯用户隐私的前提下，实现了移动通信流量的高精度分类。