潜在几何作为结构监控：面向匿名网络异常检测的特征空间对齐
密码学与安全
2026-05-21 v1 机器学习
摘要
传统异常检测通过测量信号是否跨越预定义阈值来标记事件，这捕获了转换的时刻，但不捕获其前的结构压力。我们提出将大规模行为人群视为几何能量景观，其变形可在主要转换期间和进行中进行测量。我们的核心论点是：结构先于几何；人群的结构组织是信号，几何指标是衡量它的工具。应用于 Tor 匿名网络的 67 个连续每日观测窗口，该双观察者管道识别出一个稳定的九维承载子空间，在整个观测期间保持不变，并通过蒙特卡罗模拟在噪声底部之上 16.8 个σ 的显著性水平对该结构进行验证。主要检测门在 24 个确认的稳定窗口上实现 0.0% 误报率。对 2026 年 2 月 20 日确认的基础设施事件进行法学分析，形式上否定了中继离港假设，识别出一种可检测的网络故障模式，即在不改变拓扑的情况下出现连接性能 degradation。该结果是一个适用于足够遥测数据行为人群的结构监控候选框架。
引用
@article{arxiv.2605.20391,
title = {Latent Geometry as a Structural Monitor: Eigenspace Alignment for Anomaly Detection in Anonymity Networks},
author = {Vaibhav Chhabra},
journal= {arXiv preprint arXiv:2605.20391},
year = {2026}
}
备注
14 pages, 5 figures, 1 table