TG-PSM：基于轨迹聚类的可调贪心数据包序列变形
密码学与安全
2019-04-12 v1 机器学习
机器学习
摘要
常见的隐私增强技术无法有效隐藏加密流量的某些统计特征，即单个数据包长度、数据包方向和数据包时序。最近的研究表明，利用这些属性，攻击者能够从加密流量中提取各种信息，例如访问的网站和使用的协议。这类攻击被称为流量分析。已有的防御措施试图改变这些特征的分布，然而，它们要么无法有效降低攻击者的准确率，要么在实现这一目标的同时强制产生高带宽开销和时序延迟。在本文中，通过使用一组预定义的网站聚类轨迹和贪心数据包变形算法，我们引入了一种名为 TG-PSM 的网站指纹防御措施。首先，该方法根据网站在不同加载阶段的行为对其进行聚类。其次，它根据用户指定的重要程度为任何访问的网站找到合适的目标网站，从而提供动态可调性。第三，该方法考虑距离和产生的开销，使用贪心算法将给定网站变形为目标网站。我们的评估表明，TG-PSM 在降低攻击者准确率和强制带宽方面优于以前的防御措施，例如，在保持攻击者准确率的同时将带宽开销降低了 40% 以上。
引用
@article{arxiv.1904.05738,
title = {TG-PSM: Tunable Greedy Packet Sequence Morphing Based on Trace Clustering},
author = {Farzam Fanitabasi},
journal= {arXiv preprint arXiv:1904.05738},
year = {2019}
}