HAAD:一种用于防御网站指纹识别攻击的启发式蚂蚁算法
《Proceedings of the ACM on Networking》:HAAD: A Heuristic Ant Algorithm for Defending Against Website Fingerprinting Attacks
【字体:
大
中
小
】
时间:2026年03月29日
来源:Proceedings of the ACM on Networking
编辑推荐:
网站指纹攻击(WF)基于深度神经网络(DNN)对Tor等匿名系统构成隐私威胁,现有防御在黑盒场景效果受限。HAAD防御框架创新采用蚁群算法与集成替代模型,生成无梯度依赖的通用扰动,结合方向约束的实时注入机制,在保持低开销(仅30个注入数据包)前提下实现90%+防御成功率,端到端延迟低至200纳秒,已成功部署于Tor系统。
摘要 AI 摘要要查看此由 AI 生成的摘要,您必须具有高级访问权限。
摘要 摘要 基于深度神经网络(DNN)的网站指纹识别(WF)攻击对 Tor 等匿名通信系统中的用户隐私构成了严重威胁。现有的防御措施在黑盒场景下的效果有限,面临诸如扰动传递性差、缺乏方向性和实时性约束、通用性有限以及开销高等问题。为了解决这些问题,本文提出了 HAAD(基于蚂蚁群的启发式对抗防御)这一黑盒防御框架。HAAD 通过结合集成替代模型和蚂蚁群优化来生成扰动,避免了对梯度信息的依赖,并提高了对未知模型的扰动传递性。此外,还设计了一种具有方向性约束的逐包注入方法,以实现实时防御而不会增加额外延迟。引入了一种通用扰动算法,通过评分机制针对不同的流量场景优化扰动,有效降低了通信开销。
实验结果表明,在各种对抗性攻击模型下,HAAD 的防御成功率(DSR)超过了 90%,同时仅需要注入 30 个虚拟数据包——且开销极低。当部署在 P4 交换机上时,最大端到端延迟仅为 200 纳秒。我们进一步将 HAAD 应用于 Tor 的 pt 插件中,此时全页加载的中位数延迟仅为 0.02 秒。这些结果凸显了 HAAD 强大的防御能力和实际应用价值。
AI 摘要AI 生成的摘要(实验结果) 该摘要是由自动化工具生成的,并非由文章作者编写或审核的。它旨在帮助读者发现研究内容、评估其相关性,并协助来自相关研究领域的读者理解本文的工作。它旨在补充作者提供的摘要,后者仍是文章的官方总结。完整文章才是权威版本。点击此处了解更多 。
点击 此处 对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。
要查看此由 AI 生成的通俗语言摘要,您必须具有高级访问权限。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号