論文の概要: The Colossus with Feet of Clay: Debunking Encrypted Traffic Classifiers under PQC Evolution

• arxiv url: http://arxiv.org/abs/2608.22683v1
• Date: Mon, 24 Aug 2026 00:51:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.827572
• Title: The Colossus with Feet of Clay: Debunking Encrypted Traffic Classifiers under PQC Evolution
• Title（参考訳）: クレイの顔を持つコロッソス:PQC進化下における暗号化されたトラフィック分類器の公開
• Abstract要約: 量子後暗号(PQC)へのTLSマイグレーションは、ハイブリッドキー設定がアプリケーションラベルを変更することなく観測可能なトラフィックを再生成できるため、仮定に挑戦する。 我々は、この変更をPQCによるプロトコルドリフトとして捉え、その効果を、クローズドワールドHTTPSウェブサイトのフィンガープリントを通じて研究する。 我々は、戦略的ガイダンスを提供し、クロスドメインの脆弱性を研究優先事項として特定し、信頼性の高い実世界の暗号化トラフィック分類のためのプロトコル対応プラクティスを推奨する。
• 参考スコア（独自算出の注目度）: 6.277767508192155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Encrypted traffic classifiers often achieve high accuracy under matched training and testing conditions, implicitly assuming that deployment traffic follows the training distribution. TLS migration toward post-quantum cryptography (PQC) challenges this assumption because hybrid key establishment can reshape observable traffic without changing application labels. We frame this change as PQC-induced protocol drift and study its effects through closed-world HTTPS website fingerprinting using the deployed TLS~1.3 Hybrid-PQC group \texttt{\detokenize{X25519MLKEM768}}. We build a controlled, PQC-aware benchmark pairing Traditional (Non-PQC) and Hybrid-PQC traffic, then evaluate five representative classifiers and side-channel representations under matched-domain, cross-domain, and deployment-ratio settings. Collectively, the experiments show that PQC evolution does not remove learnable website information. Instead, it changes how that information appears in traffic, causing classifiers and feature combinations that perform well in-domain to lose reliability across cryptographic domains. By exposing the fragility of matched-domain evaluation, we offer strategic guidance, identify cross-domain robustness as a research priority, and recommend protocol-aware practices for dependable real-world encrypted traffic classification. The code is available at http://anonymous.4open.science/r/PQ-WF-Eval.
• Abstract（参考訳）: 暗号化されたトラフィック分類器は、マッチしたトレーニングとテスト条件下で高い精度を達成し、デプロイメントトラフィックがトレーニング分布に従うことを暗黙的に仮定する。 量子後暗号(PQC)へのTLSマイグレーションは、ハイブリッドキー設定がアプリケーションラベルを変更することなく観測可能なトラフィックを再生成できるため、この仮定に異議を唱える。 我々は、この変更をPQCが引き起こすプロトコルドリフトとして捉え、デプロイされたTLS~1.3 Hybrid-PQC group \texttt{\detokenize{X25519MLKEM768}} を用いて、その影響を研究する。 我々は従来のPQC対応ベンチマークペアリング(Non-PQC)とHybrid-PQCトラフィックを構築し、マッチしたドメイン、クロスドメイン、デプロイメント比の設定の下で5つの代表分類器とサイドチャネル表現を評価した。 総合的に、PQCの進化は学習可能なウェブサイト情報を除去しないことを示す。 代わりに、その情報がトラフィックにどのように現れるかを変え、分類器と機能の組み合わせがドメイン内でうまく機能し、暗号ドメイン全体の信頼性を損なう。 一致したドメイン評価の脆弱さを明らかにすることで、戦略的ガイダンスを提供し、クロスドメインの堅牢性を研究優先事項として特定し、信頼性の高い実世界の暗号化トラフィック分類のためのプロトコル対応プラクティスを推奨する。 コードはhttp://anonymous.4open.science/r/PQ-WF-Evalで公開されている。

関連論文リスト

• CipherSight: Robust Website Fingerprinting via Record-Resource Semantic Supervision under Distribution Shifts [5.86043296080285]
  HTTPSウェブサイトのフィンガープリントは、暗号化されたトラフィックで観測可能なメタデータから訪問したウェブサイトを識別することを目的としている。 既存の方法は、主に生のTCPパケットシーケンスから学習する。 我々は,堅牢なHTTPS WFのためのTLS-recordベースの階層型フレームワークであるCipherSightを提案する。
  論文  参考訳（メタデータ） (2026-08-14T03:17:57Z)
• Physics-Informed Structure Anchoring With Capture-Aware Prototype Calibration for Cross-Environment RF Fingerprinting [9.281236432794417]
  RFFI(Radio frequency fingerprint Identification)は、IoT(Internet of Things)デバイス用の送信機固有のハードウェア不完全性を利用する。 本稿では,PISA-CAPC(Captain-Aware prototype calibration)を固定した物理情報構造を提案し,表現と判定のミスマッチに対処する。
  論文  参考訳（メタデータ） (2026-07-06T13:23:50Z)
• Robust and Precise Application Fingerprinting on 5G Physical Uplink Channel [14.703722937793641]
  空気フィンガープリンティングは、細胞制御チャネルからメタデータを嗅ぎ出すことによってアプリケーションアクティビティを推測する。 5Gはこれらのチャネルを暗号化し、以前の攻撃が依存していたアタックチェーンを破る。 本稿では,暗号化をバイパスする物理層側チャネルを明らかにする。
  論文  参考訳（メタデータ） (2026-06-13T09:36:34Z)
• Dance Across Shifts: Forward-Facilitation Continual Test-Time Adaptation through Dynamic Style Bridging [65.11234199720428]
  継続的テスト時間適応(Continuous Test-Time Adaptation)は、デプロイメント後に発生する動的分散シフトを処理するために、知覚システムを強化することを目的としている。 動的スタイルブリッジと呼ばれる手法により,新しいフォワードファシリケーションパラダイムを導入する。 テスト期間中に、固有の生成バイアスを緩和し、これらのプロキシを入力データに適用するために、マルチレベルブリッジ機構を提案する。
  論文  参考訳（メタデータ） (2026-05-18T16:18:17Z)
• PACC: Protocol-Aware Cross-Layer Compression for Compact Network Traffic Representation [10.787806670196938]
  PACCは冗長性を認識した層対応表現フレームワークである。 機能のエンジニアリングと生のビットベースラインを一貫して上回る。 エンドツーエンドの効率を最大3.16倍改善する。
  論文  参考訳（メタデータ） (2026-02-09T07:09:31Z)
• Connecting Domains and Contrasting Samples: A Ladder for Domain Generalization [52.52838658375592]
  本稿では,ドメイン間の概念的接続性を高めるために,ドメイン接続型コントラスト学習(DCCL)を提案する。 データ側では、クラス内の接続性を改善するために、よりアグレッシブなデータ拡張とクロスドメインの陽性サンプルが導入されている。 その結果、DCCLはドメインの監督なしに最先端のベースラインを上回ることが確認された。
  論文  参考訳（メタデータ） (2025-10-19T04:13:29Z)
• Language of Network: A Generative Pre-trained Model for Encrypted Traffic Comprehension [16.795038178588324]
  ディープ・ラーニングは、現在、特徴分析を通じて暗号化されたトラフィック分類の主要なアプローチである。 本稿では,暗号化トラフィック理解のための事前学習に基づく生成モデルGBCを提案する。 トラフィック分類と生成タスクの両方において優れた結果が得られ、その結果、分類タスクの最先端手法と比較して、F1スコアが5%向上する。
  論文  参考訳（メタデータ） (2025-05-26T04:04:29Z)
• 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)
• Real-Time Motion Prediction via Heterogeneous Polyline Transformer with Relative Pose Encoding [121.08841110022607]
  既存のエージェント中心の手法は、公開ベンチマークで顕著な性能を示した。 K-nearest neighbor attention with relative pose encoding (KNARPE) は、トランスフォーマーがペアワイズ相対表現を使用できる新しいアテンション機構である。 エージェント間でコンテキストを共有し、変化しないコンテキストを再利用することで、私たちのアプローチはシーン中心のメソッドと同じくらい効率的になり、最先端のエージェント中心のメソッドと同等に実行されます。
  論文  参考訳（メタデータ） (2023-10-19T17:59:01Z)
• MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
  現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T14:11:53Z)
• Exploring Sequence Feature Alignment for Domain Adaptive Detection Transformers [141.70707071815653]
  本稿では,検出変圧器の適応に特化して設計された新しいシーケンス特徴アライメント(SFA)法を提案する。 SFAはドメインクエリベースの機能アライメント(DQFA)モジュールとトークンワイド機能アライメント(TDA)モジュールで構成される。 3つの挑戦的なベンチマーク実験により、SFAは最先端のドメイン適応オブジェクト検出方法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-07-27T07:17:12Z)

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。