DeepSE-WF：面向网站指纹防御的统一安全性估计
密码学与安全
2022-11-29 v2
摘要
网站指纹（WF）攻击通常借助基于机器学习的分类器实施，使网络窃听者能够通过检查流量模式来精确定位用户正在访问的网页。已有研究表明，即使用户通过加密隧道（例如 Tor 或 VPN）浏览互联网，此类攻击也能成功。为评估新型防御机制抵御 WF 攻击的安全性，近期工作提出了依赖于特征的理论框架，用于估计攻击者特征集的贝叶斯误差或手工设计特征所泄露的互信息。遗憾的是，随着最先进的 WF 攻击日益依赖深度学习与潜在特征空间，基于较简单（且信息量较少）手工设计特征的安全性估计已不再可信，无法用于评估 WF 攻击者在击败此类防御时的潜在成功率。本工作中，我们提出 DeepSE-WF，一种新颖的 WF 安全性估计框架，其利用专门的基于 kNN 的估计器从学到的潜在特征空间中生成贝叶斯误差与互信息估计，从而弥合当前 WF 攻击与安全性估计方法之间的鸿沟。我们的评估表明，DeepSE-WF 比先前的框架产生更紧的安全性估计，将输出安全性估计所需的计算资源降低了一个数量级。
引用
@article{arxiv.2203.04428,
title = {DeepSE-WF: Unified Security Estimation for Website Fingerprinting Defenses},
author = {Alexander Veicht and Cedric Renggli and Diogo Barradas},
journal= {arXiv preprint arXiv:2203.04428},
year = {2022}
}
备注
Major revision - added experiments with new dataset and alternative neural network architectures for estimating the BER