論文の概要: Attack Smarter: Attention-Driven Fine-Grained Webpage Fingerprinting Attacks

• arxiv url: http://arxiv.org/abs/2506.20082v1
• Date: Wed, 25 Jun 2025 01:45:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.578985
• Title: Attack Smarter: Attention-Driven Fine-Grained Webpage Fingerprinting Attacks
• Title（参考訳）: Attack Smarter: 注意力による細粒度Webページのフィンガープリント攻撃
• Authors: Yali Yuan, Weiyi Zou, Guang Cheng,
• Abstract要約: Webサイトフィンガープリント(WF)攻撃は、トラフィックパターンを分析して、ユーザーが訪問しているWebサイトを推測することを目的としている。 WPFはWFを大規模環境に一般化し、異なるクラスと同じサイトのサブページをモデリングする。 我々は、ADWPFという、注意駆動のきめ細かいWPF攻撃を提案する。
• 参考スコア（独自算出の注目度）: 10.525610722239152
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Website Fingerprinting (WF) attacks aim to infer which websites a user is visiting by analyzing traffic patterns, thereby compromising user anonymity. Although this technique has been demonstrated to be effective in controlled experimental environments, it remains largely limited to small-scale scenarios, typically restricted to recognizing website homepages. In practical settings, however, users frequently access multiple subpages in rapid succession, often before previous content fully loads. WebPage Fingerprinting (WPF) generalizes the WF framework to large-scale environments by modeling subpages of the same site as distinct classes. These pages often share similar page elements, resulting in lower inter-class variance in traffic features. Furthermore, we consider multi-tab browsing scenarios, in which a single trace encompasses multiple categories of webpages. This leads to overlapping traffic segments, and similar features may appear in different positions within the traffic, thereby increasing the difficulty of classification. To address these challenges, we propose an attention-driven fine-grained WPF attack, named ADWPF. Specifically, during the training phase, we apply targeted augmentation to salient regions of the traffic based on attention maps, including attention cropping and attention masking. ADWPF then extracts low-dimensional features from both the original and augmented traffic and applies self-attention modules to capture the global contextual patterns of the trace. Finally, to handle the multi-tab scenario, we employ the residual attention to generate class-specific representations of webpages occurring at different temporal positions. Extensive experiments demonstrate that the proposed method consistently surpasses state-of-the-art baselines across datasets of different scales.
• Abstract（参考訳）: Webサイトフィンガープリント(WF)攻撃は、トラフィックパターンを分析し、どのウェブサイトを訪れているかを推測することを目的としている。 この手法は、制御された実験環境において有効であることが証明されているが、通常はウェブサイトのホームページの認識に限られる小規模のシナリオに限られている。 しかし、実際の設定では、ユーザーは頻繁に複数のサブページにアクセスし、多くの場合、以前のコンテンツが完全にロードされる前に、頻繁にアクセスする。 WebPage Fingerprinting (WPF)は、WFフレームワークを異なるクラスと同じサイトのサブページをモデリングすることによって、大規模環境に一般化する。 これらのページは、しばしば類似のページ要素を共有し、結果としてトラフィックの特徴のクラス間のばらつきが小さくなる。 さらに,一つのトレースが複数のカテゴリのWebページを含むマルチタブブラウジングシナリオについても検討する。 これにより、重複するトラフィックセグメントが発生し、類似した特徴がトラフィック内の異なる位置に現れる可能性があるため、分類の難しさが増す。 これらの課題に対処するために、ADWPFという、注意駆動のきめ細かいWPF攻撃を提案する。 具体的には、トレーニング期間中に、注意図や注目マスキングなどの注意図に基づいて、交通の健全な領域にターゲット拡大を適用した。 ADWPFは、元のトラフィックと拡張トラフィックの両方から低次元の機能を抽出し、トレースのグローバルなコンテキストパターンをキャプチャするために自己アテンションモジュールを適用します。 最後に、マルチタブのシナリオを扱うために、異なる時間的位置で発生するWebページのクラス固有の表現を生成するために、残留注意を用いる。 大規模な実験により、提案手法は異なるスケールのデータセットにまたがる最先端のベースラインを一貫して超えることを示した。

関連論文リスト

• TSA-WF: Exploring the Effectiveness of Time Series Analysis for Website Fingerprinting [4.021027132437185]
  Webサイトフィンガープリント(Webサイトフィンガープリント、WF)とは、eavesdropperがターゲットユーザーがアクセスしているWebサイトを識別する技術である。 最近のWF攻撃は、機械学習プロセスを使用して構築され、特徴抽出フェーズでトレースメタデータを要約している。 本稿では,ネットワークトレースのタイミングと方向特性を正確に保存するパイプラインであるTSA-WFを紹介する。
  論文  参考訳（メタデータ） (2025-05-20T17:00:31Z)
• 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)
• 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)
• 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)
• 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)
• Beyond Mask: Rethinking Guidance Types in Few-shot Segmentation [67.35274834837064]
  我々は、テキスト、マスク、ボックス、画像からのプロンプトを統合するユニバーサルビジョン言語フレームワーク(UniFSS)を開発した。 UniFSSは最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2024-07-16T08:41:01Z)
• Multi-spectral Class Center Network for Face Manipulation Detection and Localization [52.569170436393165]
  顔の操作検出と局所化のための新しいマルチスペクトル・クラス・センター・ネットワーク(MSCCNet)を提案する。 周波数帯域の異なる特徴に基づき、MSCCモジュールはマルチスペクトルクラスセンターを収集し、ピクセル対クラス関係を計算する。 多スペクトルクラスレベルの表現を適用することで、偽画像の操作された領域に敏感な視覚概念の意味情報を抑えることができる。
  論文  参考訳（メタデータ） (2023-05-18T08:09:20Z)
• Multi-view Multi-label Anomaly Network Traffic Classification based on MLP-Mixer Neural Network [55.21501819988941]
  畳み込みニューラルネットワーク(CNN)に基づく既存のネットワークトラフィック分類は、グローバルな情報関連を無視しながら、トラフィックデータの局所的なパターンを強調することが多い。 本稿では,エンドツーエンドのネットワークトラフィック分類手法を提案する。
  論文  参考訳（メタデータ） (2022-10-30T01:52:05Z)

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。