Resumen

Mediante las tecnologías de huella digital de sitios web (WF), los oyentes locales pueden rastrear el sitio web específico visitado por los usuarios a través de una investigación del tráfico cifrado entre los usuarios y el nodo de entrada de la red Tor. La técnica actual de huella digital de tripletes (TF) demostró la posibilidad de ataques de WF de muestra pequeña. Los métodos de investigación anteriores se centran únicamente en extraer las características generales del tráfico del sitio web, ignorando la importancia de las características locales de huella digital del sitio web para los ataques de WF de muestra pequeña. Por lo tanto, en el presente documento se propone una tecnología de ataque de huella digital de sitios web de vecino más cercano profundo (DNNF). Las características locales de huella digital de los sitios web se extraen a través de la red neuronal convolucional (CNN), y luego se utiliza el clasificador de k-vecinos más cercanos (k-NN) para clasificar la predicción. Cuando el sitio web proporciona solo 20 muestras, la precisión puede alcanzar el 96

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Huella digital de sitios web; Oyentes locales; Tráfico cifrado; Red Tor; Huella digital de tripletes; Vecino más cercano profundo; Red neuronal convolucional; Clasificador de vecino más cercano-k; Ataques con muestras pequeñas; Huella digital local profunda; Precisión de la clasificación; Aprendizaje de transferencia; Deriva de conceptos.
• Keywords:Website fingerprinting; Local listeners; Encrypted traffic; Tor network; Triplet fingerprinting; Deep nearest neighbor; Convolutional neural network; K-nearest neighbor classifier; Small sample attacks; Deep local fingerprinting; Classification accuracy; Transfer learning; Concept drift.