面向多标签网站指纹识别的鲁棒性研究
密码学与安全
2025-01-23 v1 人工智能
摘要
网站指纹识别使窃听者能够在加密连接中确定用户正在访问的网站。虽然已有的网站指纹（WF）攻击在 Tor 保护的网络流量中显示出良好的效果，但现有 WF 攻击在准确识别多标签浏览会话中的网站时存在关键局限性，因为单个网站的整体模式不再被保留，且客户端随意打开的标签页数量事先未知。本文提出了 ARES，一个专为多标签 WF 攻击而设计的新型 WF 框架。ARES 将多标签攻击建模为多标签分类问题，并通过 novel Transformer-based 模型求解。具体而言，ARES 基于多级流量聚合特征提取局部模式，并利用改进的自注意力机制分析这些局部模式之间的相关性，从而有效识别网站。我们实现了 ARES 的原型系统，并使用我们在多个月收集的大规模数据集进行了广泛评估。实验结果表明，ARES 在几种真实场景下实现了最佳性能。进一步地，ARES 即使面对各种 WF 防御措施仍保持鲁棒性。
关键词
引用
@article{arxiv.2501.12622,
title = {Towards Robust Multi-tab Website Fingerprinting},
author = {Xinhao Deng and Xiyuan Zhao and Qilei Yin and Zhuotao Liu and Qi Li and Mingwei Xu and Ke Xu and Jianping Wu},
journal= {arXiv preprint arXiv:2501.12622},
year = {2025}
}