针对网站指纹攻击的实时防御
密码学与安全
2021-02-09 v1
摘要
Tor 等匿名系统易受网站指纹（WF）攻击，即本地被动窃听者推断受害者的活动。当前基于深度学习分类器的 WF 攻击已成功突破众多提出的防御手段。尽管近期利用对抗样本的防御展现出前景，这些对抗样本只能在网络会话结束后计算，因而在实际场景中为用户提供的保护甚微。我们提出 Dolos，一个实时修改用户网络流量以成功规避 WF 攻击的系统。Dolos 通过计算与输入无关的对抗补丁来扰乱 WF 攻击中使用的深度学习分类器，从而向流量轨迹中注入哑包。随后将这些补丁应用于实时改变并保护用户流量。重要的是，这些补丁由用户端密钥参数化，确保攻击者无法利用对抗训练击败 Dolos。我们通过实验证明，Dolos 在多种设置下对最先进 WF 攻击提供 94% 以上的保护。与先前的防御相比，Dolos 在更高保护性能、更低信息泄露与带宽开销方面表现更优。最后，我们表明 Dolos 对多种用于检测或破坏该防御的自适应对策具有鲁棒性。
引用
@article{arxiv.2102.04291,
title = {A Real-time Defense against Website Fingerprinting Attacks},
author = {Shawn Shan and Arjun Nitin Bhagoji and Haitao Zheng and Ben Y. Zhao},
journal= {arXiv preprint arXiv:2102.04291},
year = {2021}
}
备注
18 pages