En los últimos años, la identificación de videos dentro del tráfico de red encriptado ha ganado popularidad por diversas razones. Por ejemplo, un gobierno puede querer rastrear qué contenido están viendo sus ciudadanos, o las empresas pueden querer bloquear cierto contenido por motivos de productividad. Muchas de estas razones abogan por la necesidad de rastrear a los usuarios en internet. Sin embargo, con la introducción de la capa de sockets seguros (SSL) y la seguridad de la capa de transporte (TLS), se ha vuelto difícil analizar el tráfico. Además, la transmisión adaptativa dinámica sobre HTTP (DASH), que crea anomalías debido a la codificación de tasa de bits variable (VBR), dificulta a los investigadores identificar videos en el tráfico de internet. Los ajustes de calidad predeterminados en los navegadores ajustan automáticamente la calidad de los videos en streaming según la carga de la red. Estos ajustes automáticos de calidad también aumentan el desafío en la detección de videos. Este documento presenta un nuevo clasificador de conjunto, E-Ensemble, que supera las anomalías en la identificación de videos en el tráfico de red encriptado. Para lograr esto, se combinan tres clasificadores diferentes utilizando dos combinaciones diferentes de clasificadores: las combinaciones a nivel duro y a nivel suave. Para verificar el rendimiento del clasificador propuesto, los clasificadores fueron entrenados en un conjunto de datos de videos recopilados durante un mes y probados en un conjunto de datos de videos separado capturado durante 20 días en una fecha y hora diferentes. La combinación de clasificadores a nivel suave mostró resultados más estables en el manejo de anomalías en el conjunto de datos que los de la combinación a nivel duro. Además, la técnica de combinación de clasificadores a nivel suave superó a la combinación a nivel duro con una alta precisión del 81.81%, incluso en el modo de calidad automática.