WFCAT：利用时序特征上的通道注意力增强网站指纹识别
密码学与安全
2024-12-17 v1
摘要
网站指纹识别（WF）旨在通过分析加密网络流量对 Tor 网络上的用户进行去匿名化。近期基于深度学习的攻击在无防御流量上表现出高准确率。然而，面对采用注入虚假数据包和延迟真实数据包等策略的现代防御机制时，它们显得力不从心，导致分类性能显著下降。我们的分析表明，当前的攻击未能充分利用流量轨迹中固有的时序信息，即使在强防御下这些信息也依然作为泄漏源存在。针对这一不足，我们引入了一种名为到达间隔时间（IAT）直方图的新型特征表示，它量化了预定时间段内数据包到达时间的频率。作为该特征的补充，我们提出了一种新的基于 CNN 的攻击方法 WFCAT，并通过两个创新的架构模块进行了增强，旨在最优地提取和利用时序信息。我们的方法使用不同大小的卷积核捕获多尺度特征，随后通过所有特征通道的加权和进行整合，以增强模型识别时间模式的效能。实验验证了 WFCAT 在有防御流量上的闭世界和开世界场景中均显著优于现有方法。值得注意的是，在闭世界场景下，WFCAT 对抗近期开发的鲁棒防御 Surakav 时达到了 59% 以上的准确率，与 SOTA 攻击 RF 和 Tik-Tok 相比，分别提升了 28% 和 48% 以上。
引用
@article{arxiv.2412.11487,
title = {WFCAT: Augmenting Website Fingerprinting with Channel-wise Attention on Timing Features},
author = {Jiajun Gong and Wei Cai and Siyuan Liang and Zhong Guan and Tao Wang and Ee-Chien Chang},
journal= {arXiv preprint arXiv:2412.11487},
year = {2024}
}
备注
13 pages