TrafficSliver: Fighting Website Fingerprinting Attacks withTraffic Splitting

文章介绍了TrafficSliver-Net,一种通过用户控制的多入口节点和电路层的流量分割技术,以提高Tor的匿名性,防止WFP攻击。文章详细描述了多路径隧道创建、流量拆分与合并、以及在应用层和网络层的具体实施方法。

2020

轻量级防御 Tor

通过用户控制的多个 Tor 入口节点上的流量分割,trafficsliver限制了单个入口节点可以观察到的数据,并扭曲了WFP攻击所利用的可重复流量模式。并非插入任何延迟或虚拟流量。

trafficsliver在网络层

网络层防御的核心思想是将TCP流量分布在多个电路上,这些电路建立在几个唯一的条目上,但共享中间和出口ORs。

多路径隧道创建  为了通过多个唯一的条目 OR 传输数据,用户的 OP 创建多个单独的电路、子电路,沿着这些条目 OR 中的每一个到公共的中间 OR。每个子电路构成我们的多路径传输方案的一条路径。通过其中一个入口 OR 建立初始三跳子电路(步骤 1)。接下来,它创建 𝑚 − 1 个两跳子电路,从尚未选择的条目 OR 之一开始,并以初始三跳电路中使用的相同中间 OR 结束(步骤 2)。一旦构建了这些子电路,连接过程就会通知中间 OR 有关 𝑚 − 1 个两跳子电路和初始三跳子电路之间的关系。为此,采用基于 cookie 的身份验证机制,其操作由用户控制和验证(步骤 3)。
我们的 cookie 机制的操作受到 Tor 洋葱服务中应用的集合 cookie 的启发,用于在用户和洋葱服务之间建立连接。为了验证各个子电路之间的关系,用户首先沿着最初创建的三跳子电路将生成的cookie发送到中间OR。引入了两个新的 Tor 单元:SET_COOKIE 和 COOKIE_SET。 当用户使用 SET_COOKIE 来最初将新创建的 cookie 发送到中间 OR 时,COOKIE_SET 由中间 OR 发送以确认(成功)收到 cookie。然后,用户通过在另一个新引入的 Tor 单元 JOIN 中传输相同的 cookie,通过这

python2 main.py -d 0 -k 2 -C 4 zwh@zwh-virtual-machine:~/website-fingerprinting-master$ python2 main.py -d 0 -k 128 -C 4 zwh@zwh-virtual-machine:~/website-fingerprinting-master$ cat output/results.k128.c0.d0.C4.N775.t16.T4.output accuracy,overhead,timeElapsedTotal,timeElapsedClassifier 0.78125, 0/0, 0.65, 0.38zwh@zwh-virtual-machine:~/website-fingerprinting-master$ cd ~/website-fingerprinting-master zwh@zwh-virtual-machine:~/website-fingerprinting-master$ python2 main.py -d 0 -k 128 -C 5 zwh@zwh-virtual-machine:~/website-fingerprinting-master$ cat output/results.k128.c0.d0.C5.N775.t16.T4.output accuracy,overhead,timeElapsedTotal,timeElapsedClassifier 0.78125, 0/0, 2.03, 1.74zwh@zwh-virtual-machine:~/website-fingerprinting-master$ cd ~/website-fingerprinting-master zwh@zwh-virtual-machine:~/website-fingerprinting-master$ python2 main.py -d 0 -k 128 -C 6 zwh@zwh-virtual-machine:~/website-fingerprinting-master$ cat output/results.k128.c0.d0.C6.N775.t16.T4.output accuracy,overhead,timeElapsedTotal,timeElapsedClassifier 0.78125, 0/0, 0.47, 0.21zwh@zwh-virtual-machine:~/websitecd ~/website-fingerprinting-masterte-fingerprinting-master zwh@zwh-virtual-machine:~/website-fingerprinting-master$ python2 main.py -d 0 -k 128 -C 10 zwh@zwh-virtual-machine:~/website-fingerprinting-master$ cat output/results.k128.c0.d0.C10.N775.t16.T4.output accuracy,overhead,timeElapsedTotal,timeElapsedClassifier 0.78125, 0/0, 0.68, 0.34zwh@zwh-virtual-machine:~/websitecd ~/website-fingerprinting-masterte-fingerprinting-master zwh@zwh-virtual-machine:~/website-fingerprinting-master$ python2 main.py -d 0 -k 128 -C 14 zwh@zwh-virtual-machine:~/website-fingerprinting-master$ cat output/results.k128.c0.d0.C14.N775.t16.T4.output accuracy,overhead,timeElapsedTotal,timeElapsedClassifier 0.78125, 0/0, 0.49, 0.23zwh@zwh-virtual-machine:~/website-fingerprinting-master$ cd ~/website为什么改变——C(不同分类算法),网页识别率始终保持在0.78125
06-03
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值