論文の概要: Seamless Website Fingerprinting in Multiple Environments

• arxiv url: http://arxiv.org/abs/2407.19365v1
• Date: Sun, 28 Jul 2024 02:18:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-30 18:32:13.565008
• Title: Seamless Website Fingerprinting in Multiple Environments
• Title（参考訳）: 複数環境でのシームレスWebサイトフィンガープリント
• Authors: Chuxu Song, Zining Fan, Hao Wang, Richard Martin,
• Abstract要約: ウェブサイトのフィンガープリント(WF)攻撃は匿名接続で訪れたウェブサイトを識別する。 個々のWebページではなく,Webサイト全体を分類する,新たなアプローチを導入する。 我々の畳み込みニューラルネットワーク(CNN)は、TCPストリームのどの点からでもジッタと500個の連続パケットしか使用しない。
• 参考スコア（独自算出の注目度）: 4.226243782049956
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Website fingerprinting (WF) attacks identify the websites visited over anonymized connections by analyzing patterns in network traffic flows, such as packet sizes, directions, or interval times using a machine learning classifier. Previous studies showed WF attacks achieve high classification accuracy. However, several issues call into question whether existing WF approaches are realizable in practice and thus motivate a re-exploration. Due to Tor's performance issues and resulting poor browsing experience, the vast majority of users opt for Virtual Private Networking (VPN) despite VPNs weaker privacy protections. Many other past assumptions are increasingly unrealistic as web technology advances. Our work addresses several key limitations of prior art. First, we introduce a new approach that classifies entire websites rather than individual web pages. Site-level classification uses traffic from all site components, including advertisements, multimedia, and single-page applications. Second, our Convolutional Neural Network (CNN) uses only the jitter and size of 500 contiguous packets from any point in a TCP stream, in contrast to prior work requiring heuristics to find page boundaries. Our seamless approach makes eavesdropper attack models realistic. Using traces from a controlled browser, we show our CNN matches observed traffic to a website with over 90% accuracy. We found the training traffic quality is critical as classification accuracy is significantly reduced when the training data lacks variability in network location, performance, and clients' computational capability. We enhanced the base CNN's efficacy using domain adaptation, allowing it to discount irrelevant features, such as network location. Lastly, we evaluate several defensive strategies against seamless WF attacks.
• Abstract（参考訳）: Webサイトフィンガープリント(WF)攻撃は、機械学習分類器を使用して、パケットサイズ、方向、インターバルタイムなどのネットワークトラフィックフローのパターンを分析することによって、匿名接続上で訪れたウェブサイトを識別する。 以前の研究では、WF攻撃は高い分類精度を達成できた。 しかし、いくつかの問題は既存のWFアプローチが実際に実現可能かどうかを疑問視し、再探索を動機付けている。 Torのパフォーマンス上の問題とブラウジングエクスペリエンスの低下により、VPNがプライバシー保護を弱めているにもかかわらず、大多数のユーザはVPN(Virtual Private Networking)を選択した。 Web技術が進歩するにつれて、他の多くの過去の仮定はますます非現実的になっている。 私たちの仕事は、先行技術のいくつかの重要な制限に対処します。 まず,個々のWebページではなく,Webサイト全体を分類するアプローチを提案する。 サイトレベルの分類では、広告、マルチメディア、シングルページアプリケーションを含むすべてのサイトコンポーネントからのトラフィックを使用する。 第二に、我々の畳み込みニューラルネットワーク(CNN)は、ページ境界を見つけるためにヒューリスティックスを必要とする以前の作業とは対照的に、TCPストリームの任意の時点からのジッタと500個の連続パケットのみを使用する。 私たちのシームレスなアプローチは、盗聴者攻撃モデルをリアルにする。 制御されたブラウザからのトレースを用いて、CNNが観測したトラフィックを90%以上の精度でWebサイトに表示する。 トレーニングデータにネットワーク位置、性能、クライアントの計算能力のばらつきが欠けている場合には、分類精度が大幅に低下するので、トレーニングトラフィックの品質が重要となる。 ドメイン適応を用いてベースCNNの有効性を向上し,ネットワーク位置などの無関係な特徴を抑えることができた。 最後に、シームレスなWF攻撃に対するいくつかの防御戦略を評価する。

関連論文リスト

• Towards Fine-Grained Webpage Fingerprinting at Scale [18.201489295361892]
  Webサイトフィンガープリント(WF)攻撃は、暗号化されたトラフィックパターンを分析することで、Torクライアントが訪れたウェブサイトを効果的に識別することができる。 既存の攻撃は、異なるウェブサイトを特定することに重点を置いているが、その精度は、きめ細かいWebページを特定するために適用されると劇的に低下する。 機能空間を変換することで、難読化トラフィックから異なるWebページを識別するマルチラベルメトリック学習に基づくWPF攻撃であるOscarを提案する。
  論文  参考訳（メタデータ） (2024-09-06T15:21:00Z)
• A Geometrical Approach to Evaluate the Adversarial Robustness of Deep Neural Networks [52.09243852066406]
  対向収束時間スコア(ACTS)は、対向ロバストネス指標として収束時間を測定する。 我々は,大規模画像Netデータセットに対する異なる敵攻撃に対して,提案したACTSメトリックの有効性と一般化を検証する。
  論文  参考訳（メタデータ） (2023-10-10T09:39:38Z)
• Realistic Website Fingerprinting By Augmenting Network Trace [17.590363320978415]
  Webサイトフィンガープリント(WF)は、Torユーザの匿名性に対する大きな脅威と考えられている。 ネットワークトレースの増大は、未観測のネットワーク条件下でWF分類器の性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-09-18T20:57:52Z)
• SpawnNet: Learning Generalizable Visuomotor Skills from Pre-trained Networks [52.766795949716986]
  本稿では,事前学習した視覚表現のカテゴリレベルでの一般化能力について検討する。 本研究では,事前学習した多層表現を独立したネットワークに融合させて,ロバストなポリシーを学習する,新しい2ストリームアーキテクチャSpawnNetを提案する。
  論文  参考訳（メタデータ） (2023-07-07T13:01:29Z)
• Efficient and Low Overhead Website Fingerprinting Attacks and Defenses based on TCP/IP Traffic [16.6602652644935]
  機械学習とディープラーニングに基づくWebサイトのフィンガープリント攻撃は、攻撃率の良好なパフォーマンスを達成するために最も典型的な特徴を使用する傾向がある。 このような攻撃に対して、高コストのネットワークオーバーヘッドでランダムパケット防御(RPD)を適用するのが一般的である。 本稿では、TCP/IPトラフィックの統計的特性を用いて、入射雑音を除去できるRFDに対するフィルタ支援攻撃を提案する。 トラフィック分割機構によってリストベースの防御をさらに改善し、上記の攻撃と戦うことができ、ネットワークオーバーヘッドをかなり節約することができる。
  論文  参考訳（メタデータ） (2023-02-27T13:45:15Z)
• Poisoning Web-Scale Training Datasets is Practical [73.34964403079775]
  モデルの性能に悪意のある事例を意図的に導入する2つの新しいデータセット中毒攻撃を導入する。 最初の攻撃、スプリットビュー中毒は、インターネットコンテンツの不変性を利用して、データセットアノテータの初期ビューが、その後のクライアントがダウンロードしたビューとは異なることを保証します。 第2の攻撃、フロントラン中毒は、クラウドソースされたコンテンツを定期的にスナップショットするWebスケールデータセットをターゲットにしている。
  論文  参考訳（メタデータ） (2023-02-20T18:30:54Z)
• GROWN+UP: A Graph Representation Of a Webpage Network Utilizing Pre-training [0.2538209532048866]
  我々は、Webページ構造を取り込み、大量のラベル付きデータに基づいて事前訓練を行い、Webページ上の任意のタスクに効果的に微調整できる、非依存のディープグラフニューラルネットワーク特徴抽出器を導入する。 我々は,Webページボイラプレートの除去とジャンル分類という,非常に異なる2つのベンチマークで複数のデータセットを用いて,事前学習したモデルが最先端の結果を得ることを示す。
  論文  参考訳（メタデータ） (2022-08-03T13:37:27Z)
• 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)
• Encrypted Internet traffic classification using a supervised Spiking Neural Network [2.8544513613730205]
  本稿では,パケットサイズと到着時刻のみに着目し,暗号化されたトラフィック分類のための機械学習手法を用いる。 スパイクニューラルネットワーク(SNN)は、生物学的ニューロンの動作方法に触発される。 驚くべきことに、単純なSNNはISCXデータセットで95.9%の精度に達し、以前のアプローチを上回った。
  論文  参考訳（メタデータ） (2021-01-24T22:46:08Z)
• MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
  我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。 提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
  論文  参考訳（メタデータ） (2020-10-25T23:01:13Z)
• Measurement-driven Security Analysis of Imperceptible Impersonation Attacks [54.727945432381716]
  本稿では,ディープニューラルネットワークを用いた顔認識システムの実用性について検討する。 皮膚の色,性別,年齢などの要因が,特定の標的に対する攻撃を行う能力に影響を及ぼすことを示す。 また,攻撃者の顔のさまざまなポーズや視点に対して堅牢なユニバーサルアタックを構築する可能性についても検討した。
  論文  参考訳（メタデータ） (2020-08-26T19:27:27Z)

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。