論文の概要: Unveiling the Potential: Harnessing Deep Metric Learning to Circumvent Video Streaming Encryption

• arxiv url: http://arxiv.org/abs/2405.09902v1
• Date: Thu, 16 May 2024 08:49:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-17 14:51:34.638369
• Title: Unveiling the Potential: Harnessing Deep Metric Learning to Circumvent Video Streaming Encryption
• Title（参考訳）: ビデオストリーミングの暗号化を回避すべく、Deep Metric Learningを悩ませる
• Authors: Arwin Gansekoele, Tycho Bot, Rob van der Mei, Sandjai Bhulai, Mark Hoogendoorn,
• Abstract要約: 暗号化されたビデオストリーム検出のためのトリプルト損失法に基づくディープメトリック学習フレームワークを提案する。 提案手法は,1000本以上のビデオのデータセットによく対応している。 本研究は,このサイドチャネル攻撃が,当初考えられていたよりも広い範囲に適用可能であることを示唆する。
• 参考スコア（独自算出の注目度）: 4.522744286037825
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Encryption on the internet with the shift to HTTPS has been an important step to improve the privacy of internet users. However, there is an increasing body of work about extracting information from encrypted internet traffic without having to decrypt it. Such attacks bypass security guarantees assumed to be given by HTTPS and thus need to be understood. Prior works showed that the variable bitrates of video streams are sufficient to identify which video someone is watching. These works generally have to make trade-offs in aspects such as accuracy, scalability, robustness, etc. These trade-offs complicate the practical use of these attacks. To that end, we propose a deep metric learning framework based on the triplet loss method. Through this framework, we achieve robust, generalisable, scalable and transferable encrypted video stream detection. First, the triplet loss is better able to deal with video streams not seen during training. Second, our approach can accurately classify videos not seen during training. Third, we show that our method scales well to a dataset of over 1000 videos. Finally, we show that a model trained on video streams over Chrome can also classify streams over Firefox. Our results suggest that this side-channel attack is more broadly applicable than originally thought. We provide our code alongside a diverse and up-to-date dataset for future research.
• Abstract（参考訳）: HTTPSへの移行によるインターネット上の暗号化は、インターネットユーザのプライバシーを改善するための重要なステップである。 しかし、暗号化されたインターネットトラフィックから情報を復号することなく抽出する作業が増えている。 このような攻撃はHTTPSによるセキュリティ保証をバイパスするので、理解する必要がある。 以前の研究では、ビデオストリームの可変ビットレートが、誰かが見ているビデオを特定するのに十分であることが示された。 これらの作業は一般的に,正確性やスケーラビリティ,堅牢性といった面においてトレードオフを行う必要があります。 これらのトレードオフはこれらの攻撃の実用的利用を複雑にしている。 そこで本研究では,三重項損失法に基づくディープラーニングフレームワークを提案する。 このフレームワークにより、ロバストで、汎用性があり、スケーラブルで、転送可能な暗号化ビデオストリーム検出を実現する。 まず、三重項の損失は、トレーニング中に見えないビデオストリームに対処するのに役立つ。 第二に、トレーニング中に見えないビデオを正確に分類できる。 第3に,本手法は1000本以上のビデオのデータセットによく対応していることを示す。 最後に、Chrome上のビデオストリームでトレーニングされたモデルが、Firefox上のストリームを分類可能であることを示す。 本研究は,このサイドチャネル攻撃が,当初考えられていたよりも広い範囲に適用可能であることを示唆する。 将来の研究のために、コードと、多種多様な最新のデータセットを提供しています。

関連論文リスト

• TripletViNet: Mitigating Misinformation Video Spread Across Platforms [3.1492627280939547]
  最近、多くのプラットフォームでフェイクニュースや誤報ビデオが広まっている。 最近の研究は、単一のプラットフォーム内で暗号化されたネットワークトラフィックからビデオタイトルを識別できる可能性を示している。 クロスプラットフォームビデオ認識には既存の方法はない。
  論文  参考訳（メタデータ） (2024-07-15T12:03:23Z)
• Feature Analysis of Encrypted Malicious Traffic [3.3148826359547514]
  近年,自己プロパゲーションや通信に暗号化HTTPトラフィックを使用するマルウェア攻撃の増加が著しく進んでいる。 アンチウイルスソフトウェアやファイアウォールは一般的に暗号化キーにアクセスできないため、暗号化されたデータの直接検出が成功する可能性は低い。 これまでの研究によると、基盤となるデータが暗号化されている場合でも、トラフィック分析は悪意のある意図を示すことができる。
  論文  参考訳（メタデータ） (2023-12-06T12:04:28Z)
• Learning to Identify Critical States for Reinforcement Learning from Videos [55.75825780842156]
  優れたポリシに関するアルゴリズム情報は、実行されたアクションに関する明示的な情報を持たないオフラインデータから抽出することができる。 例えば、人間やロボットのビデオは、アクションシーケンスに対する報酬に関する暗黙の情報を多く伝達することができる。 このようなビデオを見て利益を得たいDRLマシンは、まず、関連する状態/アクション/リワードを識別し、認識するために、自分で学習する必要がある。
  論文  参考訳（メタデータ） (2023-08-15T14:21:24Z)
• Privacy Protectability: An Information-theoretical Approach [4.14084373472438]
  本稿では,ビデオストリームをどの程度保護できるかを特徴付けるために,新たなメートル法であるテクストプライバシー保護法を提案する。 プライバシ保護性の定義は情報理論に根ざし,メトリックを推定する効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-05-25T04:06:55Z)
• Large-capacity and Flexible Video Steganography via Invertible Neural Network [60.34588692333379]
  大容量フレキシブルビデオステレオグラフィーネットワーク(LF-VSN)を提案する。 大容量のために、単一の可逆ニューラルネットワーク(INN)を介して複数のビデオの隠蔽と回復を行う可逆パイプラインを提案する。 フレキシビリティのために、異なる受信機が特定の秘密映像を同じカバービデオから特定のキーを介して復元できるキー制御可能なスキームを提案する。
  論文  参考訳（メタデータ） (2023-04-24T17:51:35Z)
• Contrastive Masked Autoencoders for Self-Supervised Video Hashing [54.636976693527636]
  SSVH(Self-Supervised Video Hashing)モデルは,ビデオの短いバイナリ表現を生成することを学ぶ。 本稿では,映像意味情報と映像類似性関係理解を組み込んだ,シンプルで効果的なワンステージSSVH手法であるConMHを提案する。
  論文  参考訳（メタデータ） (2022-11-21T06:48:14Z)
• Audio-Visual Person-of-Interest DeepFake Detection [77.04789677645682]
  本研究の目的は、現実世界で遭遇する様々な操作方法やシナリオに対処できるディープフェイク検出器を提案することである。 我々は、対照的な学習パラダイムを活用して、各アイデンティティに対して最も識別しやすい、移動面と音声セグメントの埋め込みを学習する。 本手法は,シングルモダリティ(オーディオのみ,ビデオのみ)とマルチモダリティ(オーディオビデオ)の両方を検出でき,低品質・低画質ビデオに対して堅牢である。
  論文  参考訳（メタデータ） (2022-04-06T20:51:40Z)
• A Coding Framework and Benchmark towards Low-Bitrate Video Understanding [63.05385140193666]
  我々は,従来のコーデックとニューラルネットワーク(NN)の両方を活用する,従来型ニューラル混合符号化フレームワークを提案する。 このフレームワークは、動画の移動効率の良いセマンティック表現を確実に保持することで最適化される。 8つのデータセットに3つのダウンストリームタスクを備えた低ビットレートビデオ理解ベンチマークを構築し、このアプローチの顕著な優位性を実証した。
  論文  参考訳（メタデータ） (2022-02-06T16:29:15Z)
• VPN: Video Provenance Network for Robust Content Attribution [72.12494245048504]
  VPN - オンラインで共有されているビデオから出典情報を復元するコンテンツ属性手法を提案する。 完全長あるいは切り離されたビデオクエリを用いて,このようなビデオのマッチングに頑健な検索埋め込みを学習する。 一度ビデオクリップの信頼できるデータベースにマッチすると、そのクリップの出所に関する関連情報がユーザに提示される。
  論文  参考訳（メタデータ） (2021-09-21T09:07:05Z)

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。