MMJul, 2024

稳健可靠的早期网站指纹识别攻击：基于时空分布分析

PDF
TL;DR本文提出了 Holmes，一种强大而可靠的早期阶段网站指纹攻击方法，通过对网站流量的时空分布分析有效地识别页面加载的早期阶段，与现有的基于深度学习的 WF 攻击相比，Holmes 的 F1 分数平均提高了 169.18%。
website fingerprintingdl-based wf attacksholmesearly-stage wf attacktraffic analysis
发现论文，激发创造
  • 贝叶斯而非朴素：网站指纹识别防御的安全界限

    本研究利用机器学习分类方法，以最小可达误差为基础，推导了任何 WF 防御的安全限制，并且证明了这种方式可以用于定义其他基于 ML 的攻击的安全限制。

    Feb, 2017

  • 通过增强网络跟踪实现逼真的网站指纹识别

    使用网络痕迹增强技术，提高网络指纹识别攻击的性能和可行性，从而降低对 Tor 用户（以及其他匿名系统）的匿名性威胁。

    Sep, 2023

  • Mockingbird：抵御基于深度学习的网站指纹攻击及其反对手迹

    使用 Mockingbird 技术可以减少基于对手训练的恶意软件的攻击精度，而带来较小的带宽开销。

    Feb, 2019

  • 深度指纹识别：利用深度学习破解网站指纹识别防御

    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

  • k-fingerprinting: 一种稳健可伸缩的网站指纹识别技术

    本研究提出 k-fingerprinting 技术，基于随机决策森林实现网页指纹识别，并在标准网页和 Tor 隐藏服务上进行了评估，结果表明它比现有技术攻击更有效，对于大量嘈杂数据也能够实现攻击，另外还指出了攻击误差率因不同的网络资源而异。

    Sep, 2015

  • Neural-FacTOR: TOR 匿名下的网站指纹识别攻击的神经表征学习

    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

  • 基于联邦学习的无线流量预测中的攻击

    通过引入一种新的虚假流量注入（FTI）攻击和一种名为全局局部不一致检测（GLID）的防御机制，对分布式的无线流量预测系统中的安全性进行了充分的实验评估，并在现实世界的无线流量数据集上取得了显著优于现有基线的效果。

    Apr, 2024

  • 网络流量指纹识别的局部敏感哈希算法

    本研究提出了利用局部敏感哈希技术进行网络流量指纹识别的解决方案，并通过与基于机器学习的流量指纹识别方法的比较，得出了相对于现有方法准确率提高了 12% 的结论，达到了 94% 的网络设备识别准确率。

    Feb, 2024

  • 时空交通预测模型的实践性对抗攻击

    本文研究了机器学习在交通预测模型中的漏洞，提出了一个实用的敌对空间时间攻击框架，该框架通过迭代渐变引导节点显著性方法来识别受害节点的时间相关集，进而设计一种空间时间渐变下降算法来生成有实值的敌对交通状态，并在两个实际数据集上进行了广泛的实验。结果表明，该攻击框架达到了各种先进空间时间预测模型高达 67.8% 的性能降级，同时展示了在我们提议的攻击训练下的算法的鲁棒性的显著提高。

    Oct, 2022

  • 应用感知哈希进行 Tor 域名识别

    本研究通过引入一种新型的感知哈希方法 —— 频率主导邻域结构（F-DNS），来帮助自动分类暗网 Tor 服务的域名，并在评估中证明了其在恢复、旋转等多种情况下的优越性，实现了 98.75% 以上的查准率。

    May, 2020