論文の概要: X-PRINT:Platform-Agnostic and Scalable Fine-Grained Encrypted Traffic Fingerprinting
- arxiv url: http://arxiv.org/abs/2509.00706v1
- Date: Sun, 31 Aug 2025 05:42:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.354267
- Title: X-PRINT:Platform-Agnostic and Scalable Fine-Grained Encrypted Traffic Fingerprinting
- Title（参考訳）: X-PRINT:Platform-Agnostic and Scalable Fine-Grained Encrypted Traffic Fingerprinting
- Authors: YuKun Zhu, ManYuan Hua, Hai Huang, YongZhao Zhang, Jie Yang, FengHua Xu, RuiDong Chen, XiaoSong Zhang, JiGuo Yu, Yong Ma,
- Abstract要約: X-PRINTは、クロスプラットフォームのきめ細かい暗号化されたトラフィックフィンガープリントのための、サーバ中心のURIベースの最初のフレームワークである。
X-PRINTは、きめ細かい指紋認証における最先端の精度を実現し、高いスケーラビリティと堅牢性を示す。
- 参考スコア（独自算出の注目度）: 20.370438273937335
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Although encryption protocols such as TLS are widely de-ployed,side-channel metadata in encrypted traffic still reveals patterns that allow application and behavior inference.How-ever,existing fine-grained fingerprinting approaches face two key limitations:(i)reliance on platform-dependent charac-teristics,which restricts generalization across heterogeneous platforms,and(ii)poor scalability for fine-grained behavior identification in open-world settings. In this paper,we present X-PRINT,the first server-centric,URI-based framework for cross-platform fine-grained encrypted-traffic fingerprinting.X-PRINT systematically demonstrates that backend URI invocation patterns can serve as platform-agnostic invariants and are effective for mod-eling fine-grained behaviors.To achieve robust identifica-tion,X-PRINT further leverages temporally structured URI maps for behavior inference and emphasizes the exclusion of platform-or application-specific private URIs to handle unseen cases,thereby improving reliability in open-world and cross-platform settings.Extensive experiments across diverse cross-platform and open-world settings show that X-PRINT achieves state-of-the-art accuracy in fine-grained fingerprint-ing and exhibits strong scalability and robustness.
- Abstract（参考訳）: TLSのような暗号化プロトコルは広くデプロイされていないが、暗号化トラフィックのサイドチャネルメタデータは、アプリケーションと振る舞いの推論を可能にするパターンをまだ明らかにしている。
(i)ヘテロジニアスなプラットフォーム間の一般化を制限するプラットフォーム依存のカラックス・テリスティックスへの信頼、および
(II)オープンワールド設定におけるきめ細かい行動識別のための粗いスケーラビリティ。
本稿では、X-PRINTについて、バックエンドURIの呼び出しパターンが、プラットフォームに依存しない不変性として機能し、きめ細かな振る舞いを変調するのに有効であることを系統的に示す。堅牢な識別オプションを達成するために、X-PRINTは、時間的に構造化されたURIマップを、振る舞い推論のためにさらに活用し、また、プラットフォームまたはアプリケーション固有のプライベートURIを除外して、未確認のケースに対処する。
関連論文リスト
- Secure and Scalable Face Retrieval via Cancelable Product Quantization [48.58859061524146]
ホモモルフィック暗号化(HE)は、暗号空間における算術演算を有効にすることにより、強力なセキュリティ保証を提供する。
セキュアな顔表現検索のための高効率なフレームワークであるCancelable Product Quantizationを提案する。
論文 参考訳（メタデータ） (2025-08-31T10:19:55Z) - Generalized Decoupled Learning for Enhancing Open-Vocabulary Dense Perception [71.26728044621458]
DeCLIPは、CLIPを強化する新しいフレームワークで、自己認識モジュールを分離して、それぞれコンテンツ’と“コンテキスト’の機能を取得する。
2D検出とセグメンテーション、3Dインスタンスのセグメンテーション、ビデオインスタンスのセグメンテーション、6Dオブジェクトのポーズ推定など、幅広いタスクにわたる最先端のパフォーマンスを一貫して達成する。
論文 参考訳（メタデータ） (2025-08-15T06:43:51Z) - RouteMark: A Fingerprint for Intellectual Property Attribution in Routing-based Model Merging [69.2230254959204]
我々は,統合されたMoEモデルにおけるIP保護のためのフレームワークであるRouteMarkを提案する。
我々の重要な洞察は、タスク固有の専門家は、探索入力の下で安定かつ独特なルーティング行動を示すことである。
属性と改ざん検出のために,類似性に基づくマッチングアルゴリズムを導入する。
論文 参考訳（メタデータ） (2025-08-03T14:51:58Z) - Analytic Rényi Entropy Bounds for Device-Independent Cryptography [0.0]
デバイス非依存(DI)暗号はセキュリティの最高レベルを表している。
本稿では,CHSHゲームに基づくプロトコルに対して,より厳密な有限サイズセキュリティ証明を得るための簡単な方法を提案する。
論文 参考訳（メタデータ） (2025-07-10T01:15:28Z) - Provably Secure Public-Key Steganography Based on Admissible Encoding [66.38591467056939]
一見無害な秘密文の中に秘密メッセージを隠蔽する技術は、Proprovably secure steganography (PSS)として知られている。
PSSは対称鍵ステガノグラフィーから公開鍵ステガノグラフィーへと進化し、事前共有鍵の必要なしに機能する。
本稿では,許容エンコーディングに基づくより一般的な楕円曲線公開鍵ステガノグラフィ法を提案する。
論文 参考訳（メタデータ） (2025-04-28T03:42:25Z) - Cross-Platform Benchmarking of the FHE Libraries: Novel Insights into SEAL and Openfhe [0.5991851254194097]
ホモモルフィック暗号化(HE)は、プライバシー問題に対処するための重要なソリューションとなっている。
本稿では2つの主要なHEライブラリであるSEALとOpenFHEを総合的に評価する。
論文 参考訳（メタデータ） (2025-03-14T09:08:30Z) - Encrypted Large Model Inference: The Equivariant Encryption Paradigm [18.547945807599543]
Equivariant Encryption(EE)は,暗号化されたデータに対して,性能上のオーバーヘッドがゼロに近いセキュアな"盲目"推論を可能にするように設計された,新しいパラダイムである。
計算グラフ全体を暗号化する完全同型アプローチとは異なり、EEはニューラルネットワーク層内の重要な内部表現を選択的に難読化する。
EEは高い忠実性とスループットを維持しており、ロバストなデータの機密性と、現代的な大規模モデル推論の厳密な効率要件の間のギャップを効果的に埋めています。
論文 参考訳（メタデータ） (2025-02-03T03:05:20Z) - Hiding in Plain Sight: An IoT Traffic Camouflage Framework for Enhanced Privacy [2.0257616108612373]
パケットパディングのような既存の技術的難読化手法は、スマートホームのような動的な環境では不足することが多い。
本稿では,交通分析を中断させることでプライバシーを向上する多技術難読化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-01-26T04:33:44Z) - Publicly-Verifiable Deletion via Target-Collapsing Functions [81.13800728941818]
ターゲットの折り畳みは、公開可能な削除(PVD)を可能にすることを示す。
我々は、弱い暗号的仮定から公開可能な削除を支援する様々なプリミティブを得るために、このフレームワークを構築している。
論文 参考訳（メタデータ） (2023-03-15T15:00:20Z) - Federated Boosted Decision Trees with Differential Privacy [24.66980518231163]
本稿では,従来の決定木に対するアプローチをキャプチャし,拡張する汎用フレームワークを提案する。
高いレベルのプライバシを維持しながら、極めて高いユーティリティを実現することが可能であることを、慎重に選択することで示しています。
論文 参考訳（メタデータ） (2022-10-06T13:28:29Z) - Beyond the Prototype: Divide-and-conquer Proxies for Few-shot
Segmentation [63.910211095033596]
少ないショットのセグメンテーションは、少数の濃密なラベル付けされたサンプルのみを与えられた、目に見えないクラスオブジェクトをセグメンテーションすることを目的としている。
分割・分散の精神において, 単純かつ多目的な枠組みを提案する。
提案手法は、DCP(disvision-and-conquer proxies)と呼ばれるもので、適切な信頼性のある情報の開発を可能にする。
論文 参考訳（メタデータ） (2022-04-21T06:21:14Z)
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。