基于动态图神经网络的Tor节点分类方法

摘要

Tor(The onion router)是一种基于多层加密和分布式路由技术的匿名通信网络，广泛应用于隐私保护领域。然而，Tor网络的高度匿名性也使其成为暗网活动的温床，给国家安全和社会稳定带来严重威胁。由于节点功能的多样性和网络的复杂性，如何进行有效的节点分类已成为一个重要的研究课题。本文提出了一种基于动态图神经网络（DySAT）的Tor节点分类方法，基于Tor中继节点历史关联图谱进行分析，并利用时空双重注意力机制同步关注节点的性能和安全性指标。实验部分通过筛选优质节点并与正常链路进行比较，验证了节点分类的有效性。相比于Tor默认建链算法，恶意节点选中概率由6.2%下降至1.8%；平均时延由0.478 s下降至0.389 s。该方法为未来暗网治理、脆弱节点识别及应对提供了新的技术路径，有助于提升网络的安全防护能力，遏制暗网中的非法活动。

关键词

Tor网络 / 节点分类 / 动态神经网络 / 性能评估