面向高效且匿名 Tor 电路的预测
密码学与安全
2018-05-08 v1
摘要
Tor 匿名系统为数百万用户提供在线隐私，但其速度慢于典型网页浏览。为提升 Tor 性能，我们提出 PredicTor，一种路径选择技术，它使用在近期 Tor 测量数据上训练的随机森林分类器来预测所提议路径的性能。若预测路径较快，客户端则使用这些中继构建电路。我们在 Tor 源代码中实现了 PredicTor，并通过实时 Tor 实验与 Shadow 仿真表明，与 Vanilla Tor 相比，PredicTor 将 Tor 网络性能提升了 11% 至 23%，与先前最先进方案相比提升了 7% 至 13%。我们的实验表明，PredicTor 是首个在高拥塞时段动态避开高度拥塞节点、在低拥塞时段避开长距离路径的路径选择算法。我们使用基于标准熵的和首次泄露时间的指标评估 PredicTor 的匿名性，但这些无法捕捉因路径选择中使用位置而导致泄露的可能性。为更好地解决此问题，我们提出一种称为 CLASI 的新匿名性指标：客户端自治系统推断。CLASI 是 Tor 中首个通过在网络、国家和中继层面对电路进行指纹识别，来衡量攻击者推断客户端自治系统(ASes)能力的匿名性指标。我们发现，对于位置感知的路径选择算法，CLASI 显示出匿名性损失，而基于熵的指标显示出极少或无匿名性损失。此外，CLASI 指出，由于 PredicTor 构建的电路独立于客户端位置，其与当前 Tor 路径选择算法具有相似的发送方 AS 泄露。
引用
@article{arxiv.1805.01977,
title = {Towards Predicting Efficient and Anonymous Tor Circuits},
author = {Armon Barton and Mohsen Imani and Jiang Ming and Matthew Wright},
journal= {arXiv preprint arXiv:1805.01977},
year = {2018}
}