基于特征融合的加密Tor流量检测方法

摘要

匿名网络是目前保护个人隐私的常用工具，结合混淆网桥组件后具备极强的隐私保护能力；信息对抗中的持续博弈使得在匿名网络中运用加密代理成为数据安全敏感用户实现隐私保护的主要手段.匿名网络和加密代理双重保护让流量检测面临以下两个方面的挑战和问题：（1）代理汇聚：经过加密代理之后的流量呈现单流特性，导致基于完整数据流的流量检测方法失效；（2）特征模糊：数据包混淆机制使得数据流特征稀疏化，导致基于低阶统计特征的方法效果减弱.本文提出了一种名为SETTDM的流量检测方法来应对上述两种挑战.具体而言，针对代理汇聚问题，采用基于滑动窗口的方式拆分数据子流，使得SETTDM方法能应用于因代理产生的聚合数据流并尽可能地保留了原始数据流的特征空间；针对特征模糊问题，提出基于特征融合的特征提取方法：多角度的统计时序特征结合ResNet提取的加密空间特征.在实验中采集了真实的二次加密Tor流量、加密背景流量和未加密背景流量，并融合公开加密流量数据集ISCXVPN2016组成实验数据集；经测试，SETTDM方法可以达到99.78%的精确率，相比对比方法有着2.30%～9.29%的提升.

关键词

加密流量 / 匿名网络流量 / 隐私保护 / 特征融合

基金资助

国家重点研发计划(2019QY1400); 国家自然科学基金(U2133208); 四川省青年科技创新研究团队(2022JDTD0014); 四川省自然科学基金(2023NSFSC1401); 四川省重点研发项目(2023YFG0290)