WiFinger：基于包级序列匹配的无线IoT事件流指纹化
密码学与安全
2025-12-09 v2
摘要
智能家居等IoT环境容易受到隐私推断攻击，攻击者可以分析加密网络流量的模式来推断设备状态甚至人们的活动。虽然大多数现有攻击利用机器学习技术来发现此类流量模式，但在无线流量（尤其是Wi-Fi）上表现不佳，因为其高度嘈杂且无线嗅探时会出现数据包丢失。此外，这些方法通常针对区分分块的IoT事件流样本，无法有效跟踪多个事件。本文提出了WiFinger，这是一种针对嘈杂流量的细粒度多IoT事件指纹化方法。WiFinger将流量模式分类任务转化为子序列匹配问题，并引入新技术以保持高准确率的同时解决高时间复杂度问题。此外，其对训练样本量的依赖性降低了未来指纹更新的工作量。实验表明，在实际威胁模型下，WiFinger超越了现有方法，各种IoT事件的平均召回率达到89%（分别为49%和46%），几乎产生零误报。
引用
@article{arxiv.2508.03151,
title = {WiFinger: Fingerprinting Noisy IoT Event Traffic Using Packet-level Sequence Matching},
author = {Ronghua Li and Shinan Liu and Haibo Hu and Qingqing Ye and Nick Feamster},
journal= {arXiv preprint arXiv:2508.03151},
year = {2025}
}