論文の概要: DEMUX: Boundary-Aware Multi-Scale Traffic Demixing for Multi-Tab Website Fingerprinting

• arxiv url: http://arxiv.org/abs/2604.15677v1
• Date: Fri, 17 Apr 2026 03:57:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.732656
• Title: DEMUX: Boundary-Aware Multi-Scale Traffic Demixing for Multi-Tab Website Fingerprinting
• Title（参考訳）: DEMUX:マルチタブWebサイトフィンガープリントのための境界対応マルチスケールトラフィックデミックス
• Authors: Yali Yuan, Yaosheng Liu, Qianqi Niu, Guang Cheng,
• Abstract要約: ウェブサイトのフィンガープリント(WF)攻撃は、Torのような匿名ネットワークで暗号化されたトラフィックからユーザーが訪問したウェブサイトを推測する。 既存のディープラーニング手法は単一タブの仮定では精度が高いが、複数のタブを同時に開くと大幅に劣化する。 分割境界における信号整合性,マルチスケール局所モデリング,および分散フラグメントの相対時間的関連という,効率的なマルチタブデミックスのための3つの構造的要件を同定する。
• 参考スコア（独自算出の注目度）: 9.628865647840444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Website fingerprinting (WF) attacks infer the websites visited by users from encrypted traffic in anonymous networks such as Tor. Existing deep learning methods achieve high accuracy under the single-tab assumption but degrade substantially when users open multiple tabs concurrently, producing interleaved traffic that transforms WF into an implicit demixing problem. We identify three structural requirements for effective multi-tab demixing, namely signal integrity at segment boundaries, multi-scale local modeling, and relative temporal association of dispersed fragments, and show that no prior method satisfies all three simultaneously. We propose DEMUX, a designed framework that addresses these requirements through three tightly coupled components. A Boundary Preserving Aggregation Module employs overlapping window partitioning with joint packet-level and burst-level feature extraction. A Multi-Scale Parallel CNN captures heterogeneous temporal patterns via parallel branches. A two-stage Transformer encoder with Rotary Positional Embedding enables robust cross-window fragment association. The Boundary Preserving Aggregation Module additionally serves as a plug-and-play preprocessor that consistently improves existing baselines without architectural modification. Extensive experiments across closed-world, open-world, defense-augmented, dynamic-tab, and cross-configuration settings demonstrate that DEMUX achieves state-of-the-art performance. In the challenging closed-world 5-tab setting, DEMUX attains a P@5 of 0.943 and MAP@5 of 0.961, outperforming the strongest baseline by 9.2 and 6.2 percentage points respectively, confirming its strong robustness in complex multi-tab demixing scenarios.
• Abstract（参考訳）: ウェブサイトのフィンガープリント(WF)攻撃は、Torのような匿名ネットワークで暗号化されたトラフィックからユーザーが訪問したウェブサイトを推測する。 既存のディープラーニング手法は、単一タブの仮定の下で高い精度を達成するが、ユーザが複数のタブを同時に開くと大幅に劣化し、WFを暗黙のデミックス問題に変換するインターリーブトラフィックが生成される。 分割境界における信号整合性,マルチスケール局所モデリング,および分散フラグメントの相対時間的関連性の3つの構造的要件を同定し,従来の手法が3つのフラグメントを同時に満たさないことを示す。 3つの密結合されたコンポーネントを通してこれらの要求に対処する設計されたフレームワークであるDEMUXを提案する。 境界保存アグリゲーションモジュールは、重なり合うウィンドウパーティショニングと、結合パケットレベルとバーストレベルの特徴抽出を採用している。 マルチスケール並列CNNは、並列ブランチを介して異種時間パターンをキャプチャする。 回転位置埋め込みを用いた2段トランスフォーマーエンコーダは、堅牢なクロスウィンドウフラグメントアソシエーションを実現する。 境界保存アグリゲーションモジュール(Bundary Preserving Aggregation Module)は、アーキテクチャの変更なしに既存のベースラインを一貫して改善するプラグアンドプレイプリプロセッサとして機能する。 クローズドワールド、オープンワールド、ディフェンス強化、動的タブ、クロスコンフィグレーション設定にわたる大規模な実験は、DEMUXが最先端のパフォーマンスを達成することを示す。 挑戦的なクローズドワールド5タブ設定では、DEMUXは0.943のP@5と0.961のMAP@5を達成し、それぞれ9.2と6.2のパーセンテージで最強のベースラインを上回り、複雑なマルチタブデミキシングシナリオにおける強い堅牢性を確認する。

関連論文リスト

• PrismWF: A Multi-Granularity Patch-Based Transformer for Robust Website Fingerprinting Attack [45.608550871415]
  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。
  論文  参考訳（メタデータ） (2026-03-22T08:17:03Z)
• MUSE: A Run-Centric Platform for Multimodal Unified Safety Evaluation of Large Language Models [17.848889547838173]
  MUSE (Multimodal Unified Safety Evaluation) は、自動クロスモーダルペイロード生成を統合するオープンソースの実行中心プラットフォームである。 ハードアタック成功率(コンプライアンスのみ)とソフトASR(部分コンプライアンスを含む)を区別するデュアルメトリックフレームワーク 実験により、マルチターン戦略は、ほぼ完全な単一ターン拒否を持つモデルに対して最大90-100%のASRを達成することができることが示された。
  論文  参考訳（メタデータ） (2026-03-03T00:10:23Z)
• OpenRT: An Open-Source Red Teaming Framework for Multimodal LLMs [36.57820295876294]
  MLLMの安全性評価のための統一的,モジュール型,高スループットのRed-teamingフレームワークであるOpenRTを紹介した。 OpenRTのコアとなるのは,5次元にわたるモジュール分離を可能にする対角カーネルを導入することで,自動化された再チームのパラダイムシフトだ。 このフレームワークは、ホワイトボックス勾配、マルチモーダル摂動、高度なマルチエージェント進化戦略など、37の多様な攻撃手法を統合している。
  論文  参考訳（メタデータ） (2026-01-04T16:41:33Z)
• IP-Augmented Multi-Modal Malicious URL Detection Via Token-Contrastive Representation Enhancement and Multi-Granularity Fusion [11.704828859661879]
  悪意のあるURL検出は依然として重要なサイバーセキュリティの課題だ。 3つの重要なイノベーションを取り入れた高度なマルチモーダル検出フレームワークであるCURL-IPを提案する。 大規模実世界のデータセットに対する我々の評価は、このフレームワークが最先端のベースラインを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2025-10-14T11:20:06Z)
• DMSC: Dynamic Multi-Scale Coordination Framework for Time Series Forecasting [24.202509006348862]
  時系列予測(TSF)は、さまざまなスケールにわたる複雑な時間的依存関係をモデル化する上で、永続的な課題に直面します。 マルチスケールパッチ分解ブロック(EMPD)、トライアドインタラクションブロック(TIB)、適応スケールルーティングMoEブロック(ASR-MoE)を備えた新しい動的マルチスケールコーディネーションフレームワーク(DMSC)を提案する。 EMPDは、指数関数的にスケールした粒度を持つ階層的なパッチにシーケンスを動的に分割する組み込みコンポーネントとして設計されている。 TIBは、各レイヤの分解された表現の中で、パッチ内、パッチ間、およびクロス変数の依存関係を共同でモデル化する。
  論文  参考訳（メタデータ） (2025-08-03T13:11:52Z)
• Divide-and-Conquer: Confluent Triple-Flow Network for RGB-T Salient Object Detection [70.84835546732738]
  RGB-Thermal Salient Object Detectionは、目視と熱赤外画像のペア内の目立つ物体をピンポイントすることを目的としている。 従来のエンコーダ・デコーダアーキテクチャは、欠陥モードから生じるノイズに対する頑健さを十分に考慮していなかったかもしれない。 本稿では,Divide-and-Conquer戦略を用いた,堅牢なConfluent Triple-Flow NetworkであるConTriNetを提案する。
  論文  参考訳（メタデータ） (2024-12-02T14:44:39Z)
• X Modality Assisting RGBT Object Tracking [1.730147049648545]
  X Modality Assisting Network (X-Net)を導入し、視覚オブジェクト追跡を3つの異なるレベルに分離することで、融合パラダイムの影響を探る。 X-Netは、正確なレートと成功率の平均で0.47%/1.2%のパフォーマンス向上を達成する。
  論文  参考訳（メタデータ） (2023-12-27T05:38:54Z)
• AMT: All-Pairs Multi-Field Transforms for Efficient Frame Interpolation [80.33846577924363]
  ビデオフレームギスブのための新しいネットワークアーキテクチャであるAMT(All-Pairs Multi-Field Transforms)を提案する。 まず、すべての画素に対して双方向のボリュームを構築し、予測された両側フローを用いて相関関係を検索する。 第2に、入力フレーム上で逆向きのワープを行うために、一対の更新された粗い流れから細粒度の流れ場の複数のグループを導出する。
  論文  参考訳（メタデータ） (2023-04-19T16:18:47Z)
• DSVT: Dynamic Sparse Voxel Transformer with Rotated Sets [95.84755169585492]
  本研究では,屋外3次元知覚のためのシングルストライドウィンドウベースのボクセルトランスであるDynamic Sparse Voxel Transformer (DSVT)を提案する。 本モデルでは,3次元認識タスクを多岐にわたって行うことにより,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-01-15T09:31:58Z)
• Squeezeformer: An Efficient Transformer for Automatic Speech Recognition [99.349598600887]
  Conformerは、そのハイブリッドアテンション・コンボリューションアーキテクチャに基づいて、様々な下流音声タスクの事実上のバックボーンモデルである。 Squeezeformerモデルを提案する。これは、同じトレーニングスキームの下で、最先端のASRモデルよりも一貫して優れている。
  論文  参考訳（メタデータ） (2022-06-02T06:06:29Z)

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。