DeepCorr：基于深度学习的Tor强流关联攻击
密码学与安全
2018-08-23 v1 机器学习
摘要
流关联是用于针对Tor的大量去匿名化攻击的核心技术。尽管Tor上的流关联攻击十分重要，现有流关联技术在大规模应用时被认为低效且不可靠，即它们带来高误报率或需要不切实际的长流观测才能做出可靠关联。本文中，我们展示：遗憾的是，借助新兴学习机制，可对Tor流量实施比以往准确率高得多的流关联攻击。我们特别设计了一个称为DeepCorr的系统，其在关联Tor连接方面以显著优势超越最先进水平。DeepCorr利用先进的深度学习架构学习针对Tor复杂网络定制的流关联函数，这与先前工作使用通用统计相关性度量来关联Tor流形成对比。我们表明，在适度学习下，DeepCorr能以远高于现有算法的准确率关联Tor连接（从而破坏其匿名性），且所用流观测长度大幅更短。例如，仅收集每个目标Tor流约900个数据包（约900KB Tor数据），在相同设置下DeepCorr提供96%的流关联准确率，而最先进系统RAPTOR仅为4%。我们希望本工作表明，鉴于近期学习算法的进展，Tor上的流关联攻击威胁正不断升级，呼吁Tor社区及时部署有效对策。
引用
@article{arxiv.1808.07285,
title = {DeepCorr: Strong Flow Correlation Attacks on Tor Using Deep Learning},
author = {Milad Nasr and Alireza Bahramali and Amir Houmansadr},
journal= {arXiv preprint arXiv:1808.07285},
year = {2018}
}