p-FP：基于深度学习的网站指纹提取、分类与预测
密码学与安全
2018-04-03 v2 机器学习
机器学习
摘要
近期深度学习 Deep Neural Network（DNN）架构的进展备受关注，因其能以极少或无需特征工程在广泛应用上超越最先进分类器。本文广泛研究深度学习对网站指纹识别的适用性。我们表明无监督 DNN 可用于提取低维特征向量，从而提升最先进网站指纹攻击的性能。当用作分类器时，我们表明在一系列应用场景中它们可匹敌或超越已有攻击，包括指纹识别 Tor 网站轨迹、通过 Tor 指纹识别搜索引擎查询、击败指纹防御以及指纹识别 TLS 加密网站。最后，我们表明 DNN 可用于基于网站内容预测其可指纹性，在 4500 个网站下载的数据集上达到 99% 准确率。
引用
@article{arxiv.1711.03656,
title = {p-FP: Extraction, Classification, and Prediction of Website Fingerprints with Deep Learning},
author = {Se Eun Oh and Saikrishna Sunkam and Nicholas Hopper},
journal= {arXiv preprint arXiv:1711.03656},
year = {2018}
}
备注
Under submission