論文の概要: Towards Fine-Grained Webpage Fingerprinting at Scale

• arxiv url: http://arxiv.org/abs/2409.04341v1
• Date: Fri, 6 Sep 2024 15:21:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-09 15:24:36.123638
• Title: Towards Fine-Grained Webpage Fingerprinting at Scale
• Title（参考訳）: ファイングラインドWebページフィンガープリントの大規模化に向けて
• Authors: Xiyuan Zhao, Xinhao Deng, Qi Li, Yunpeng Liu, Zhuotao Liu, Kun Sun, Ke Xu,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 18.201489295361892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Website Fingerprinting (WF) attacks can effectively identify the websites visited by Tor clients via analyzing encrypted traffic patterns. Existing attacks focus on identifying different websites, but their accuracy dramatically decreases when applied to identify fine-grained webpages, especially when distinguishing among different subpages of the same website. WebPage Fingerprinting (WPF) attacks face the challenges of highly similar traffic patterns and a much larger scale of webpages. Furthermore, clients often visit multiple webpages concurrently, increasing the difficulty of extracting the traffic patterns of each webpage from the obfuscated traffic. In this paper, we propose Oscar, a WPF attack based on multi-label metric learning that identifies different webpages from obfuscated traffic by transforming the feature space. Oscar can extract the subtle differences among various webpages, even those with similar traffic patterns. In particular, Oscar combines proxy-based and sample-based metric learning losses to extract webpage features from obfuscated traffic and identify multiple webpages. We prototype Oscar and evaluate its performance using traffic collected from 1,000 monitored webpages and over 9,000 unmonitored webpages in the real world. Oscar demonstrates an 88.6% improvement in the multi-label metric Recall@5 compared to the state-of-the-art attacks.
• Abstract（参考訳）: 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Webサイトを特定することに集中しているが、その精度は、特に同じWebサイトの異なるサブページを区別する場合に、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。 WebPage Fingerprinting (WPF)攻撃は、非常に類似したトラフィックパターンとはるかに大規模なWebページの課題に直面します。 さらに、クライアントは複数のWebページを同時に訪問することが多く、難読化トラフィックから各Webページのトラフィックパターンを抽出することが困難になる。 本稿では,マルチラベルメトリック学習に基づくWPF攻撃であるOscarを提案し,特徴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。 Oscarは、類似のトラフィックパターンであっても、さまざまなWebページの微妙な違いを抽出することができる。 特にOscarは、プロキシベースのメトリクス学習とサンプルベースのメトリクス学習の損失を組み合わせて、難読化トラフィックからWebページの特徴を抽出し、複数のWebページを識別する。 我々は,1000の監視されたWebページと9,000以上の監視されていないWebページから収集されたトラフィックを用いて,そのパフォーマンスをプロトタイプ化し,評価した。 オスカーは、最先端の攻撃と比較して、マルチラベルメトリックのRecall@5を88.6%改善した。

関連論文リスト

• Towards Robust Multi-tab Website Fingerprinting [31.78904724694232]
  ウェブサイトの指紋認証により、盗聴者がユーザーが暗号化された接続を介して訪問しているウェブサイトを判断することができる。 既存のWF攻撃は、マルチタブブラウジングセッションにおけるウェブサイトの正確な識別に限界がある。 我々はマルチタブWF攻撃用に設計された新しいWFフレームワークであるARESを提案する。
  論文  参考訳（メタデータ） (2025-01-22T04:10:53Z)
• WebWalker: Benchmarking LLMs in Web Traversal [64.48425443951749]
  WebWalkerQAは,LLMがWebトラバースを実現する能力を評価するためのベンチマークである。 本稿では,WebWalkerを提案する。WebWalkerは,探索的・批判的パラダイムを通じて,人間のようなWebナビゲーションを模倣するマルチエージェントフレームワークである。
  論文  参考訳（メタデータ） (2025-01-13T18:58:07Z)
• Red Pill and Blue Pill: Controllable Website Fingerprinting Defense via Dynamic Backdoor Learning [93.44927301021688]
  Webサイト指紋(WF)攻撃は、訪問するWebページを特定するために、ユーザーのコミュニケーションを秘密裏に監視する。 既存のWFディフェンスは、ユニークなトラフィックパターンを乱すことで攻撃者の精度を低下させようとする。 バックドア学習に基づく新しい防衛視点である制御可能なWebサイトフィンガープリントディフェンス(CWFD)を紹介した。
  論文  参考訳（メタデータ） (2024-12-16T06:12:56Z)
• Unveiling the Digital Fingerprints: Analysis of Internet attacks based on website fingerprints [0.0]
  本稿では,最新の機械学習アルゴリズムを用いて,攻撃者がTorトラフィックを非匿名化できることを示す。 ネットワークパケットを11日間にわたってキャプチャし、ユーザが特定のWebページをナビゲートし、Wiresharkネットワークキャプチャツールを通じて.pcapng形式でデータを記録します。
  論文  参考訳（メタデータ） (2024-09-01T18:44:40Z)
• Seamless Website Fingerprinting in Multiple Environments [4.226243782049956]
  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。
  論文  参考訳（メタデータ） (2024-07-28T02:18:30Z)
• EmInspector: Combating Backdoor Attacks in Federated Self-Supervised Learning Through Embedding Inspection [53.25863925815954]
  フェデレートされた自己教師付き学習(FSSL)は、クライアントの膨大な量の未ラベルデータの利用を可能にする、有望なパラダイムとして登場した。 FSSLはアドバンテージを提供するが、バックドア攻撃に対する感受性は調査されていない。 ローカルモデルの埋め込み空間を検査し,悪意のあるクライアントを検知する埋め込み検査器(EmInspector)を提案する。
  論文  参考訳（メタデータ） (2024-05-21T06:14:49Z)
• AutoScraper: A Progressive Understanding Web Agent for Web Scraper Generation [54.17246674188208]
  Webスクレイピングは、Webサイトからデータを抽出し、自動データ収集を可能にし、データ分析機能を強化し、手動のデータ入力作業を最小化する強力なテクニックである。 既存の手法では、ラッパーベースの手法は、新しいウェブサイトで直面する場合、適応性とスケーラビリティの制限に悩まされる。 本稿では,大規模言語モデル(LLM)を用いたWebスクレイパー生成のパラダイムを紹介し,多様なWeb環境をより効率的に処理できる2段階フレームワークであるAutoScraperを提案する。
  論文  参考訳（メタデータ） (2024-04-19T09:59:44Z)
• PRAT: PRofiling Adversarial aTtacks [52.693011665938734]
  PRofiling Adversarial aTacks (PRAT) の新たな問題点について紹介する。 敵対的な例として、PRATの目的は、それを生成するのに使用される攻撃を特定することである。 AIDを用いてPRATの目的のための新しいフレームワークを考案する。
  論文  参考訳（メタデータ） (2023-09-20T07:42:51Z)
• PURL: Safe and Effective Sanitization of Link Decoration [20.03929841111819]
  PURLは、Webページ実行の層間グラフ表現を利用して、リンクの装飾を安全かつ効果的に衛生化する機械学習手法である。 評価の結果,PURLは既存の対策よりも精度が高く,ウェブサイトの破損を低減できることがわかった。
  論文  参考訳（メタデータ） (2023-08-07T09:08:39Z)
• 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)
• Patch-wise Attack for Fooling Deep Neural Network [153.59832333877543]
  我々は,一般的な訓練と防御モデルに対するブラックボックス攻撃であるパッチワイド反復アルゴリズムを提案する。 我々は、防衛モデルで9.2%、通常訓練されたモデルで3.7%、成功率で著しく改善した。
  論文  参考訳（メタデータ） (2020-07-14T01:50:22Z)

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。