深度指纹：利用深度学习削弱网站指纹防御
密码学与安全
2018-08-21 v5
摘要
网站指纹使本地窃听者能够确定用户通过加密连接正在访问哪些网站。最先进的网站指纹攻击已被证明即使在 Tor 上也有效。最近，提出了针对 Tor 的轻量级网站指纹防御，其显著降低了现有攻击的效果：WTF-PAD 和 Walkie-Talkie。在这项工作中，我们提出深度指纹（DF），一种针对 Tor 的新网站指纹攻击，其利用称为卷积神经网络（CNN）的一类深度学习并采用精巧的架构设计，并且我们针对 WTF-PAD 和 Walkie-Talkie 评估了该攻击。DF 攻击在无防御的 Tor 流量上达到超过 98% 的准确率，优于所有先前的攻击，并且它也是唯一对 WTF-PAD 有效、准确率超过 90% 的攻击。Walkie-Talkie 仍然有效，将攻击限制在仅 49.7% 的准确率。在更现实的开放世界设定中，我们的攻击仍然有效，在无防御流量上达到 0.99 准确率和 0.94 召回率。在此设定下针对用 WTF-PAD 防御的流量，该攻击仍可获得 0.96 准确率和 0.68 召回率。这些发现凸显了需要针对此新攻击的有效防御，且这些防御可部署于 Tor 中。
引用
@article{arxiv.1801.02265,
title = {Deep Fingerprinting: Undermining Website Fingerprinting Defenses with Deep Learning},
author = {Payap Sirinam and Mohsen Imani and Marc Juarez and Matthew Wright},
journal= {arXiv preprint arXiv:1801.02265},
year = {2018}
}
备注
To appear in the 2018 ACM SIGSAC Conference on Computer and Communications Security (ACM CCS 2018)