DarkDiff：可解释的TOR洋葱站点网页相似性分析
密码学与安全
2023-08-24 v1
摘要
在大规模数据分析中，近似重复常是一个问题。例如，对于两封近似重复的钓鱼邮件，称呼上的差异（Mr与Ms）并不关键，但发件方是银行A还是银行B则很重要。当前最先进的近似重复检测是一种黑盒方法（MinHash），因此人们仅能知道邮件是近似重复的，却不知其原因。我们提出DarkDiff，它能在高效检测近似重复的同时给出其近似重复的原因。我们开发DarkDiff用于检测暗网（Darkweb）中主页的近似重复。DarkDiff在这些页面上表现良好，因为它们类似于过去的明网（clear web）。
引用
@article{arxiv.2308.12134,
title = {DarkDiff: Explainable web page similarity of TOR onion sites},
author = {Pieter Hartel and Eljo Haspels and Mark van Staalduinen and Octavio Texeira},
journal= {arXiv preprint arXiv:2308.12134},
year = {2023}
}