本文探讨了利用语义关注关键点过滤自动分类暗网图像的方法，并在定制的 Tor 图像数据集上使用该方法测试，与 CNN 特征和 BoVW 方法相比，达到了高达 87.98% 的准确率，是一种较为有效的方式。

May, 2020

本文提出了一种基于卷积神经网络的网站指纹识别攻击模型，实现了对 TOR 网络中的网站匿名性的破解，相比现有方法提高了 12.21% 的准确率。

Sep, 2022

本文针对单一领域哈希函数无法适应新领域的问题，提出了一个端到端的领域自适应学习框架，将两个域映射到共同的语义空间，并同时生成判别性的哈希码和分类目标域图像。通过两个独立的生成对抗网络跨向重构两个域的图像，减少域的差异，提高共享空间的对齐度，实现领域自适应。实验结果表明，我们的方法在目标识别和图像检索任务上优于其他最先进的方法，适用于公共基准数据集。

Jul, 2019

本文旨在解决 DNS 中的 Typosquatting 攻击问题，通过数据分析和机器学习等方法提出了一个基于多数投票的集成学习分类器，可以提高对可疑域名的检测准确性。具体而言，该分类器利用了域名长度和唯一字符的数量等特征，较少地标记了合法域名为可疑域名，有效地提升了检测效率。

Dec, 2020

本文提出了一种新的深度学习框架，利用来源数据和目标数据来学习信息性哈希码，以解决领域自适应问题，并在多个转移任务中进行广泛实证研究，证实了该框架在学习高效哈希码方面的实用性。

Jun, 2017

本文针对 Apple 的深度感知哈希系统 NeuralHash 进行了首次全面的实证分析，结果表明当前深度感知哈希并不够强壮，容易被攻击，因此从隐私角度出发一般不适合用于客户端扫描。

Nov, 2021

本文研究了针对 Tor 的深度指纹识别攻击，这种攻击使用了卷积神经网络等深度学习技术，与现有的 WTF-PAD 和 Walkie-Talkie 两种防御策略相比，攻击的准确率超过 98％，并展示了对这种新型攻击的需求和防御策略的必要性。

Jan, 2018

利用深度哈希方法在天文学领域快速搜索相似的无线电图像，并在大规模上高效地检索。

Sep, 2023

本文提出了一种高效无监督的方案，通过设计三个标准以限制敌对空间，从而在深度哈希算法供应链的漏洞下识别出混淆攻击，并在实时图像查询中获得 2-23% 的检测率提高。

Apr, 2023

本文分析了可通过 Tor 访问到的一组网站即 “暗网” 中的拓扑结构和内容。作者使用监督式机器学习的方法对内容进行分类，研究发现显示的暗网内容中大约有一半属于合法活动，而不合法内容主要分布在欺诈网站、销售假冒产品和毒品市场上。

Nov, 2018