AWA：对抗性网站自适应
密码学与安全
2021-04-14 v2 机器学习
摘要
隐私增强技术最重要的义务之一是为用户互联网浏览活动带来机密性与隐私。网站指纹攻击使本地被动窃听者即使在使用 VPN、IPsec 和 Tor 等匿名技术时也能预测目标用户的浏览活动。近来，深度学习的增长使攻击者能以更高准确率实施网站指纹攻击。本文提出一种基于对抗深度学习的防御方法以对抗网站指纹攻击，称为对抗性网站自适应（AWA）。AWA 在每次运行中创建一个变换器集合，使每个网站拥有唯一变换器。每个变换器生成对抗性轨迹以规避攻击者的分类器。AWA 有两个版本，包括通用 AWA（UAWA）与非通用 AWA（NUAWA）。与 NUAWA 不同，UAWA 中无需访问网站完整轨迹即可生成对抗性轨迹。我们在变换器训练阶段引入秘密随机元素，以使 AWA 在每次运行中生成多种变换器集合。我们多次运行 AWA 并创建多组变换器。若攻击者与目标用户选择不同变换器集合，攻击者分类器准确率几乎为 19.52% 和 31.94%，带宽开销几乎为 22.28% 和 26.28%（分别对应 UAWA 与 NUAWA）。若更强攻击者通过多组变换器生成对抗性轨迹并训练分类器，攻击者分类器准确率几乎为 49.10% 和 25.93%，带宽开销几乎为 62.52% 和 64.33%（分别对应 UAWA 与 NUAW）。
引用
@article{arxiv.2012.10832,
title = {AWA: Adversarial Website Adaptation},
author = {Amir Mahdi Sadeghzadeh and Behrad Tajali and Rasool Jalili},
journal= {arXiv preprint arXiv:2012.10832},
year = {2021}
}
备注
15 pages, 7 figures, and 2 tables. Accepted in IEEE Transactions on Information Forensics and Security (TIFS)