論文の概要: Neural-FacTOR: Neural Representation Learning for Website Fingerprinting Attack over TOR Anonymity

• arxiv url: http://arxiv.org/abs/2209.12482v1
• Date: Mon, 26 Sep 2022 07:47:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 17:07:17.565691
• Title: Neural-FacTOR: Neural Representation Learning for Website Fingerprinting Attack over TOR Anonymity
• Title（参考訳）: Neural-FacTOR: TOR匿名性に対するWebサイトフィンガープリント攻撃のためのニューラル表現学習
• Authors: Haili Sun, Yan Huang, Lansheng Han, Xiang Long, Hongle Liu and Chunjie Zhou
• Abstract要約: 本稿では,分類アルゴリズムに基づいてウェブサイトの指紋を認識するニューラルネットワークによる表現学習手法を提案する。 我々は,畳み込みニューラルネットワーク(CNN)に基づく新しいWebサイト指紋認証攻撃モデルを構築し,拡張と因果畳み込みを行った。 3つの主要な公開データセットの実験は、提案されたモデルがウェブサイトの指紋分類に堅牢で効果的であることを示し、最先端の手法と比較して精度を12.21%向上していることを示している。
• 参考スコア（独自算出の注目度）: 9.410167593555553
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: TOR (The Onion Router) network is a widely used open source anonymous communication tool, the abuse of TOR makes it difficult to monitor the proliferation of online crimes such as to access criminal websites. Most existing approches for TOR network de-anonymization heavily rely on manually extracted features resulting in time consuming and poor performance. To tackle the shortcomings, this paper proposes a neural representation learning approach to recognize website fingerprint based on classification algorithm. We constructed a new website fingerprinting attack model based on convolutional neural network (CNN) with dilation and causal convolution, which can improve the perception field of CNN as well as capture the sequential characteristic of input data. Experiments on three mainstream public datasets show that the proposed model is robust and effective for the website fingerprint classification and improves the accuracy by 12.21% compared with the state-of-the-art methods.
• Abstract（参考訳）: TOR(The Onion Router)ネットワークは、オープンソースの匿名通信ツールとして広く使われているが、TORの悪用により、犯罪ウェブサイトへのアクセスなどのオンライン犯罪の拡散を監視できない。 既存のTORネットワークの匿名化のアプローチのほとんどは、手作業で抽出した機能に大きく依存しているため、時間がかかり、パフォーマンスが低かった。 そこで本研究では,ウェブサイトの指紋を分類アルゴリズムに基づいて認識するニューラル表現学習手法を提案する。 我々は,CNNの知覚領域を改善し,入力データのシーケンシャルな特徴を捉えることができる,拡張と因果畳み込みを伴う畳み込みニューラルネットワーク(CNN)に基づく新しいWebサイト指紋検出モデルを構築した。 3つの主要な公開データセットの実験では、提案されたモデルはウェブサイトの指紋分類に堅牢で効果的であり、最先端の手法と比較して精度が12.21%向上している。

関連論文リスト

• Self-supervised visual learning for analyzing firearms trafficking activities on the Web [6.728794938150435]
  RGB画像からの視覚銃の自動分類は、公共空間のセキュリティ、情報収集、法執行機関の調査に応用するための重要な現実世界の課題である。 これは、オープンソースのインテリジェンスからビッグデータを分析することによって、犯罪者の銃身売買ネットワークを識別しようとするシステムの重要なコンポーネントとして機能する。 ビジュアルトランスフォーマー(ViT)ニューラルアーキテクチャも、自己監視学習(SSL)アプローチも、この重要なタスクでは評価されていない。
  論文  参考訳（メタデータ） (2023-10-12T01:47:55Z)
• Associated Random Neural Networks for Collective Classification of Nodes in Botnet Attacks [1.517849300165222]
  ボットネット攻撃はネットワーク化されたシステムにとって大きな脅威である。 本研究は,nノードIPネットワークからのトラフィックを動作させる集合Botnet攻撃分類手法を導入し,不正なノードを識別する新しいAssociated Random Neural Network(ARNN)を提案する。
  論文  参考訳（メタデータ） (2023-03-23T19:32:31Z)
• Backdoor Attack Detection in Computer Vision by Applying Matrix Factorization on the Weights of Deep Networks [6.44397009982949]
  本稿では,事前訓練したDNNの重みから特徴を抽出するバックドア検出手法を提案する。 他の検出技術と比較して、これはトレーニングデータを必要としないなど、多くのメリットがある。 提案手法は, 競合するアルゴリズムよりも効率性が高く, より正確であり, 深層学習とAIの安全な適用を確実にするのに役立つ。
  論文  参考訳（メタデータ） (2022-12-15T20:20:18Z)
• Unfolding Local Growth Rate Estimates for (Almost) Perfect Adversarial Detection [22.99930028876662]
  畳み込みニューラルネットワーク(CNN)は、多くの知覚的タスクにおける最先端のソリューションを定義する。 現在のCNNアプローチは、システムを騙すために特別に作られた入力の敵の摂動に対して脆弱なままである。 本稿では,ネットワークの局所固有次元(LID)と敵攻撃の関係について,最近の知見を生かした,シンプルで軽量な検出器を提案する。
  論文  参考訳（メタデータ） (2022-12-13T17:51:32Z)
• Neural Architecture Dilation for Adversarial Robustness [56.18555072877193]
  畳み込みニューラルネットワークの欠点は、敵の攻撃に弱いことである。 本稿では, 良好な精度を有する背骨CNNの対角的堅牢性を向上させることを目的とする。 最小限の計算オーバーヘッドの下では、拡張アーキテクチャはバックボーンCNNの標準的な性能と親和性が期待できる。
  論文  参考訳（メタデータ） (2021-08-16T03:58:00Z)
• BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by Adversarial Attacks [65.2021953284622]
  CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。 結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
  論文  参考訳（メタデータ） (2021-03-14T20:43:19Z)
• Intrusion detection in computer systems by using artificial neural networks with Deep Learning approaches [0.0]
  コンピュータネットワークへの侵入検知は、サイバーセキュリティにおける最も重要な問題の1つとなっている。 本稿では,ディープラーニングアーキテクチャに基づく侵入検知システムの設計と実装に焦点を当てる。
  論文  参考訳（メタデータ） (2020-12-15T19:12:23Z)
• Noise-Response Analysis of Deep Neural Networks Quantifies Robustness and Fingerprints Structural Malware [48.7072217216104]
  ディープ・ニューラル・ネットワーク(DNN)は構造的マルウェア(すなわち、重みと活性化経路)を持つ バックドアの検出は一般的に困難であり、既存の検出手法は計算に高価であり、膨大なリソースを必要とする(トレーニングデータへのアクセスなど)。 そこで本研究では,DNNの堅牢性,指紋の非線形性を定量化し,バックドアの検出を可能にする,高速な特徴生成手法を提案する。 実験の結果,既存の手法(秒対秒)よりも高い信頼度でバックドアを正確に検出できることが判明した。
  論文  参考訳（メタデータ） (2020-07-31T23:52:58Z)
• Cassandra: Detecting Trojaned Networks from Adversarial Perturbations [92.43879594465422]
  多くの場合、事前トレーニングされたモデルは、トロイの木馬の振る舞いをモデルに挿入するためにトレーニングパイプラインを中断したかもしれないベンダーから派生している。 本稿では,事前学習したモデルがトロイの木馬か良馬かを検証する手法を提案する。 本手法は,ニューラルネットワークの指紋を,ネットワーク勾配から学習した逆方向の摂動の形でキャプチャする。
  論文  参考訳（メタデータ） (2020-07-28T19:00:40Z)
• Automating Botnet Detection with Graph Neural Networks [106.24877728212546]
  ボットネットは、DDoS攻撃やスパムなど、多くのネットワーク攻撃の主要なソースとなっている。 本稿では,最新のディープラーニング技術を用いてボットネット検出のポリシーを自動学習するニューラルネットワーク設計の課題について考察する。
  論文  参考訳（メタデータ） (2020-03-13T15:34:33Z)
• Firearm Detection and Segmentation Using an Ensemble of Semantic Neural Networks [62.997667081978825]
  本稿では,意味的畳み込みニューラルネットワークのアンサンブルに基づく兵器検出システムを提案する。 特定のタスクに特化した単純なニューラルネットワークのセットは、計算リソースを少なくし、並列にトレーニングすることができる。 個々のネットワークの出力の集約によって与えられるシステムの全体的な出力は、ユーザが偽陽性と偽陰性とをトレードオフするように調整することができる。
  論文  参考訳（メタデータ） (2020-02-11T13:58:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。