面向QUIC的增量式网站指纹攻击方法OA

快速用户数据报协议网络连接(Quick UDP Internet Connections,QUIC)旨在提供快速、稳定且安全的网络服务,其加密特性为加密恶意网站提供了保护伞。为了监管QUIC流量中加密恶意网站,网站指纹攻击成为研究热点。QUIC协议的渐进式部署特点,使得对新启用QUIC协议的网站实施早期WF攻击至关重要。攻击者必须持续监控网站是否开始支持QUIC协议,并在其启用QUIC协议后及时爬取少量QUIC流量,快速训练新的攻击模型。这种攻击可被称为增量式小样本网站指纹攻击。然而,训练样本的匮乏使得现有深度学习方法难以构建有效的深度特征。同时,现有方法均面向TCP协议提取初始特征,但这些初始特征无法表达QUIC协议特性,导致无法充分表征QUIC流量。这些问题导致现有方法在进行增量式小样本网站指纹攻击时性能下降。为解决此问题,本文分析了QUIC协议的特有特征及其对WF攻击的重要性。引入QUIC特有特征后,能更全面地表征网站的QUIC流量。同时,提出基于图论的增量式小样本网站指纹攻击方法,从全局视角挖掘潜在特征关联性,进一步提升攻击模型的表征能力。为模拟监测列表中新启用QUIC网站的出现情况,以一个月为间隔爬取两组网站流量数据。通过综合实验评估了所提特征与方法在新收集的QUIC网站流量上的有效性。相较于现有的先进方法,本文提出的方法在准确率上提升了1.01%~6.84%。