論文の概要: PrismWF: A Multi-Granularity Patch-Based Transformer for Robust Website Fingerprinting Attack

• arxiv url: http://arxiv.org/abs/2603.21117v1
• Date: Sun, 22 Mar 2026 08:17:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.247107
• Title: PrismWF: A Multi-Granularity Patch-Based Transformer for Robust Website Fingerprinting Attack
• Title（参考訳）: PrismWF:ロバストなWebサイトフィンガープリント攻撃のためのマルチグラニティパッチベースのトランスフォーマー
• Authors: Yuhao Pan, Wenchao Xu, Fushuo Huo, Haozhao Wang, Xiucheng Wang, Nan Cheng,
• Abstract要約: Torは低レイテンシな匿名通信ネットワークで、Webサイトのトラフィックを暗号化することでユーザのプライバシーを保護する。 最近の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が、パケットサイズ、方向、地域間時間などの統計的特徴を活用することで、ユーザの訪問するWebサイトをいまだに漏洩させることができることを示している。 マルチタブWF攻撃のための多粒度パッチベースのトランスフォーマであるPrismWFを提案する。
• 参考スコア（独自算出の注目度）: 45.608550871415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tor is a low-latency anonymous communication network that protects user privacy by encrypting website traffic. However, recent website fingerprinting (WF) attacks have shown that encrypted traffic can still leak users' visited websites by exploiting statistical features such as packet size, direction, and inter-arrival time. Most existing WF attacks formulate the problem as a single-tab classification task, which significantly limits their effectiveness in realistic browsing scenarios where users access multiple websites concurrently, resulting in mixed traffic traces. To this end, we propose PrismWF, a multi-granularity patch-based Transformer for multi-tab WF attack. Specifically, we design a robust traffic feature representation for raw web traffic traces and extract multi-granularity features using convolutional kernels with different receptive fields. To effectively integrate information across temporal scales, the proposed model refines features through three hierarchical interaction mechanisms: inter-granularity detail supplementation from fine to coarse granularities, intra-granularity patch interaction with dedicated router tokens, and router-guided dual-level intra- and cross-granularity fusion. This design aligns with the cognitive logic of global coarse-grained reconnaissance and local fine-grained querying, enabling effective modeling of mixed traffic patterns in WF attack scenarios. Extensive experiments on various datasets and WF defenses demonstrate that our method achieves state-of-the-art performance compared to existing baselines.
• Abstract（参考訳）: Torは低レイテンシな匿名通信ネットワークで、Webサイトのトラフィックを暗号化することでユーザのプライバシーを保護する。 しかし、最近の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は、パケットサイズ、方向、地域間時間などの統計的特徴を利用して、ユーザの訪問するWebサイトをいまだに漏洩させることができることを示している。 既存のWF攻撃のほとんどは、単一タブ分類タスクとして問題を定式化しており、複数のWebサイトを同時にアクセスする現実的なブラウジングシナリオにおいて、その有効性を著しく制限しているため、トラフィックトレースが混在している。 この目的のために,マルチタブWF攻撃のためのマルチグラニュラリティパッチベースのトランスフォーマであるPrismWFを提案する。 具体的には、生のWebトラフィックトレースのためのロバストなトラフィック特徴表現を設計し、異なる受容場を持つ畳み込みカーネルを用いて多粒度特徴を抽出する。 時間スケールでの情報を効果的に統合するために,提案モデルでは,粒度から粗い粒度への細粒度補充,専用ルータトークンとの粒度内パッチインタラクション,およびルータ誘導二層内およびクロスグラニュラリティ融合の3つの階層的相互作用機構によって特徴を洗練する。 この設計は、グローバルな粗粒度偵察と局所的な細粒度クエリの認知論理と整合し、WF攻撃シナリオにおける混合トラフィックパターンの効果的なモデリングを可能にする。 各種データセットおよびWFディフェンスに対する広範囲な実験により,本手法が既存のベースラインと比較して最先端の性能を達成することを示す。

関連論文リスト

• FedAPT: Federated Adversarial Prompt Tuning for Vision-Language Models [97.35577473867296]
  Federated Adversarial Prompt Tuning (textbfFedAPT)は、FPTの対向性を高めるために設計された新しい手法である。 この問題に対処するために,テキストプロンプトから視覚的なプロンプトを生成するtextbfclass-awareプロンプトジェネレータを提案する。 複数の画像分類データセットの実験は、対向ロバスト性を改善する上でFedAPTの優位性を示している。
  論文  参考訳（メタデータ） (2025-09-03T03:46:35Z)
• Attack Smarter: Attention-Driven Fine-Grained Webpage Fingerprinting Attacks [10.525610722239152]
  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。
  論文  参考訳（メタデータ） (2025-06-25T01:45:55Z)
• 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)
• 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 Compact 3D Representations via Point Feature Enhancement Masked Autoencoders [52.66195794216989]
  本稿では,コンパクトな3D表現を学習するために,ポイント特徴強調マスク付きオートエンコーダ(Point-FEMAE)を提案する。 Point-FEMAEはグローバルブランチとローカルブランチで構成され、潜在意味的特徴をキャプチャする。 本手法は, クロスモーダル方式と比較して, 事前学習効率を著しく向上させる。
  論文  参考訳（メタデータ） (2023-12-17T14:17:05Z)
• 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。