Towards Fine-Grained Webpage Fingerprinting at Scale

要約

Web サイト フィンガープリンティング (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 クライアントが訪問した Web サイトを効果的に特定できます。
既存の攻撃は、さまざまな Web サイトを識別することに焦点を当てていますが、詳細な Web ページを識別するために適用される場合、特に同じ Web サイトの異なるサブページを区別する場合、その精度は大幅に低下します。
WebPage Fingerprinting (WPF) 攻撃は、非常に類似したトラフィック パターンとはるかに大規模な Web ページという課題に直面しています。
さらに、クライアントは複数の Web ページに同時にアクセスすることが多く、難読化されたトラフィックから各 Web ページのトラフィック パターンを抽出することが困難になります。
この論文では、特徴空間を変換することで難読化されたトラフィックからさまざまな 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 を提案します。
Oscar は、同様のトラフィック パターンを持つ Web ページであっても、さまざまな Web ページ間の微妙な違いを抽出できます。
特に、Oscar は、プロキシベースとサンプルベースのメトリック学習損失を組み合わせて、難読化されたトラフィックから Web ページの特徴を抽出し、複数の Web ページを識別します。
私たちは Oscar のプロトタイプを作成し、現実世界の 1,000 の監視対象 Web ページと 9,000 以上の監視されていない Web ページから収集したトラフィックを使用してそのパフォーマンスを評価しました。
Oscar は、最先端の攻撃と比較して、マルチラベル指標 Recall@5 が 88.6% 向上していることを示しています。

要約(オリジナル)

Website Fingerprinting (WF) attacks can effectively identify the websites visited by Tor clients via analyzing encrypted traffic patterns. Existing attacks focus on identifying different websites, but their accuracy dramatically decreases when applied to identify fine-grained webpages, especially when distinguishing among different subpages of the same website. WebPage Fingerprinting (WPF) attacks face the challenges of highly similar traffic patterns and a much larger scale of webpages. Furthermore, clients often visit multiple webpages concurrently, increasing the difficulty of extracting the traffic patterns of each webpage from the obfuscated traffic. In this paper, we propose Oscar, a WPF attack based on multi-label metric learning that identifies different webpages from obfuscated traffic by transforming the feature space. Oscar can extract the subtle differences among various webpages, even those with similar traffic patterns. In particular, Oscar combines proxy-based and sample-based metric learning losses to extract webpage features from obfuscated traffic and identify multiple webpages. We prototype Oscar and evaluate its performance using traffic collected from 1,000 monitored webpages and over 9,000 unmonitored webpages in the real world. Oscar demonstrates an 88.6% improvement in the multi-label metric Recall@5 compared to the state-of-the-art attacks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google