基于信元序列重建的暗网流量远程指纹识别技术OA

流量指纹攻击可以应用于第二代洋葱网络(The second onion router,Tor)的隐藏服务溯源。由于Tor网络协议设计的限制,隐藏服务侧流量难以获得,因此需要利用电路中其他位置的流量作为隐藏服务侧流量的替代来开展远程指纹攻击。然而,指纹模型面临Tor中继中数据缓存、加解密与重封装带来的报文序列的结构性变化,导致指纹模型在位点迁移时存在性能衰减。已有的方法在一定程度上可以从模型层面和数据层面缓解随机噪声,却难以精准拟合由协议机制导致的结构性差异。本文深入剖析了暗网流量的转发机理,提出了上下文感知的远程信元序列重建(Remote Cell Estimator,RemoCellEst)。该方法引入了跨报文的残留补偿机制,动态修正报文起始处的载荷偏移,从而重建成跨位点一致的信元序列,使模型具备更稳定的位置迁移能力。实验结果表明,在隐藏服务溯源场景下,基于RemoCellEst方法重建的信元序列构建的远程指纹模型可达94.85%的准确率,相较于基于桶分割方法或直接使用传输控制协议(Transmission Control Protocol,TCP)/传输层安全协议(Transport Layer Security protocol,TLS)层流量构建的模型提升了6%~16%的准确率。本文将远程指纹攻击的位点迁移问题归因到可解释、可建模的报文序列结构性差异,可为后续加密流量分析、流关联等相关研究提供新的视角。