論文の概要: DecETT: Accurate App Fingerprinting Under Encrypted Tunnels via Dual Decouple-based Semantic Enhancement

• arxiv url: http://arxiv.org/abs/2504.15565v1
• Date: Tue, 22 Apr 2025 03:34:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-30 22:28:56.452839
• Title: DecETT: Accurate App Fingerprinting Under Encrypted Tunnels via Dual Decouple-based Semantic Enhancement
• Title（参考訳）: DecETT:デュアルデデュプルベースのセマンティックエンハンスメントによる暗号化トンネル下の正確なアプリフィンガープリント
• Authors: Zheyuan Gu, Chang Liu, Xiyuan Zhang, Chen Yang, Gaopeng Gou, Gang Xiong, Zhen Li, Sijia Li,
• Abstract要約: DecETTは、暗号化トンネル下での正確なAFのための二重分離型セマンティックエンハンスメント手法である。 再カプセル化機構によって導入されたアプリケーション非関連トンネル機能に対処するため、DecETTは二重分離型指紋強調モジュールで設計されている。 5つの暗号化トンネルによる評価は、DecETTが暗号化トンネル下での精度の高いAFにおいて最先端の手法より優れていることを示している。
• 参考スコア（独自算出の注目度）: 12.938408347512006
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the growing demand for privacy protection, encrypted tunnels have become increasingly popular among mobile app users, which brings new challenges to app fingerprinting (AF)-based network management. Existing methods primarily transfer traditional AF methods to encrypted tunnels directly, ignoring the core obfuscation and re-encapsulation mechanism of encrypted tunnels, thus resulting in unsatisfactory performance. In this paper, we propose DecETT, a dual decouple-based semantic enhancement method for accurate AF under encrypted tunnels. Specifically, DecETT improves AF under encrypted tunnels from two perspectives: app-specific feature enhancement and irrelevant tunnel feature decoupling.Considering the obfuscated app-specific information in encrypted tunnel traffic, DecETT introduces TLS traffic with stronger app-specific information as a semantic anchor to guide and enhance the fingerprint generation for tunnel traffic. Furthermore, to address the app-irrelevant tunnel feature introduced by the re-encapsulation mechanism, DecETT is designed with a dual decouple-based fingerprint enhancement module, which decouples the tunnel feature and app semantic feature from tunnel traffic separately, thereby minimizing the impact of tunnel features on accurate app fingerprint extraction. Evaluation under five prevalent encrypted tunnels indicates that DecETT outperforms state-of-the-art methods in accurate AF under encrypted tunnels, and further demonstrates its superiority under tunnels with more complicated obfuscation. \textit{Project page: \href{https://github.com/DecETT/DecETT}{https://github.com/DecETT/DecETT}}
• Abstract（参考訳）: プライバシー保護の需要が高まっているため、暗号化されたトンネルはモバイルアプリユーザーの間で人気が高まっており、アプリフィンガープリント(AF)ベースのネットワーク管理に新たな課題をもたらしている。 既存の手法は、従来のAFメソッドを暗号化トンネルに直接転送し、暗号化トンネルのコア難読化と再カプセル化機構を無視し、不満足な性能をもたらす。 本稿では,暗号化トンネル下での高精度AFのための2重分離型セマンティックエンハンスメント手法であるDecETTを提案する。 具体的には、DecETTは、暗号化トンネルにおけるAFを改善する2つの視点から、アプリケーション固有の機能強化と無関係なトンネル特徴分離という観点から、暗号化トンネルトラフィックにおける難解なアプリ固有の情報を考慮して、意味的なアンカーとして、より強力なアプリ固有の情報を備えたTLSトラフィックを導入し、トンネル交通のための指紋生成をガイドし、強化する。 さらに、再カプセル化機構によって導入されたアプリケーション非関連トンネル機能に対処するため、DecETTは、トンネル特徴とアプリセマンティック特徴をトンネルトラフィックから分離し、正確なアプリ指紋抽出に対するトンネル特徴の影響を最小限に抑える、二重分離型指紋強調モジュールを設計した。 5つの一般的な暗号化トンネルによる評価では、DecETTは正確なAFFの最先端の手法よりも優れており、さらに複雑な難解性を有するトンネルにおいてその優位性を示している。 \textit{Project page: \href{https://github.com/DecETT/DecETT}{https://github.com/DecETT/DecETT}}

関連論文リスト

• MUFFLER: Secure Tor Traffic Obfuscation with Dynamic Connection Shuffling and Splitting [11.967326811104831]
  MUFFLERはTorの外部トラフィックを確保するために設計された接続レベルの交通難読化システムである。 実際の接続を最終Torノードとターゲットサービスの間の異なる仮想接続のセットにマッピングする。 既存のソリューションよりも最大で27倍のレイテンシオーバーヘッドを実現し、現在のTorアーキテクチャとシームレスに統合される。
  論文  参考訳（メタデータ） (2025-04-10T08:17:17Z)
• MIETT: Multi-Instance Encrypted Traffic Transformer for Encrypted Traffic Classification [59.96233305733875]
  トラフィックの分類は、セキュリティの脅威を検出し、ネットワーク管理を最適化するために不可欠である。 トークンレベルとパケットレベルの両方の関係をキャプチャするMulti-Instance Encrypted Traffic Transformer (MIETT)を提案する。 MIETTは5つのデータセットにまたがって結果を達成し、暗号化されたトラフィックの分類と複雑なネットワーク動作の理解の有効性を示す。
  論文  参考訳（メタデータ） (2024-12-19T12:52:53Z)
• Robust and Transferable Backdoor Attacks Against Deep Image Compression With Selective Frequency Prior [118.92747171905727]
  本稿では,学習画像の圧縮モデルに複数のトリガを付加したバックドアアタックを起動するための新しい周波数ベースのトリガインジェクションモデルを提案する。 1) 圧縮品質をビットレートと再現精度で劣化させる,2) 顔認識やセマンティックセグメンテーションといったタスク駆動型対策を目標とする,様々なシナリオに適した攻撃目標を設計する。 実験の結果, トリガーインジェクションモデルと, エンコーダパラメータの微調整を組み合わせることで, 複数のバックドアとトリガーを1つの圧縮モデルに注入することができた。
  論文  参考訳（メタデータ） (2024-12-02T15:58:40Z)
• Ariadne: a Privacy-Preserving Communication Protocol [0.9558392439655012]
  本稿ではプライバシ保護型通信ネットワーク層プロトコルであるAriadneを紹介する。 信頼できるサードパーティに依存することを避けるために、ソースルーティングアプローチを使用する。
  論文  参考訳（メタデータ） (2024-06-05T12:20:12Z)
• Floquet-driven crossover from density-assisted tunneling to enhanced pair tunneling [0.0]
  Floquet-reduced single- Particle tunneling と比較して, 対のトンネル速度を向上できるだけでなく, 静的な超交換速度を超えても向上できることを示す。 これにより、超低温原子系における明示的なペアトンネルによるモデルの実現が可能となる。
  論文  参考訳（メタデータ） (2024-04-12T14:02:57Z)
• DiffVein: A Unified Diffusion Network for Finger Vein Segmentation and Authentication [50.017055360261665]
  DiffVeinは、静脈分割と認証タスクを同時に処理する統合拡散モデルベースのフレームワークである。 これら2つのブランチ間の機能相互作用を改善するために,2つの特別なモジュールを導入する。 このようにして、我々のフレームワークは拡散とセグメンテーションの埋め込みの間の動的相互作用を可能にする。
  論文  参考訳（メタデータ） (2024-02-03T06:49:42Z)
• Blind-Touch: Homomorphic Encryption-Based Distributed Neural Network Inference for Privacy-Preserving Fingerprint Authentication [8.61984933438984]
  ホモモルフィック暗号化は、復号化せずにデータ上に暗号化された計算を可能にする。 Blind-Touchは、機械学習操作を実行しながら、サーバに指紋データを暗号化しておくことができる。 Blind-Touchは、2つのベンチマーク指紋データセットで高い精度を達成する。
  論文  参考訳（メタデータ） (2023-12-18T09:05:34Z)
• TFE-GNN: A Temporal Fusion Encoder Using Graph Neural Networks for Fine-grained Encrypted Traffic Classification [35.211600580761726]
  本稿では,PMI(point-wise mutual information)とテンポラルフュージョン(Temporal Fusion)というモデルに基づくバイトレベルのトラフィックグラフ構築手法を提案する。 特に,デュアル埋め込み層,GNNベースのトラヒックグラフエンコーダ,およびクロスゲート機能融合機構を設計する。 2つの実際のデータセットに対する実験結果から、TFE-GNNは、詳細な暗号化されたトラフィック分類タスクにおいて、最先端の複数の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-31T14:32:40Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• Anti-Oversmoothing in Deep Vision Transformers via the Fourier Domain Analysis: From Theory to Practice [111.47461527901318]
  Vision Transformer (ViT) は先日,コンピュータビジョン問題における有望性を実証した。 ViTは観察された注意崩壊やパッチの均一性のために、深さが増加するにつれて急速に飽和する。 所望の低域制限を緩和する2つの手法を提案する。
  論文  参考訳（メタデータ） (2022-03-09T23:55:24Z)
• DeepReduce: A Sparse-tensor Communication Framework for Distributed Deep Learning [79.89085533866071]
  本稿では,スパーステンソルの圧縮通信のための汎用的フレームワークであるDeepReduceを紹介する。 DeepReduceはテンソルを2つの集合、値とインデックスに分解し、これらの集合の独立圧縮と結合圧縮を可能にする。 大規模実モデルを用いた実験により,DeepReduceはデータ転送を少なくし,既存の手法よりも計算オーバーヘッドを小さくすることを示した。
  論文  参考訳（メタデータ） (2021-02-05T11:31:24Z)

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。