基于非目标对抗补丁的在线网站指纹防御

网站指纹（WF）攻击可以从加密流量中提取侧通道信息，以形成识别受害者目的地网站的指纹，即使Tor对流量进行了复杂的匿名处理。许多离线防御已经被提出并声称已经取得了良好的效果。然而，这项工作更多的是一项理论优化研究，而不是一项可以应用于实际场景中实时交通的技术。因为只有当获得完整的交通轨迹时，防御者才会生成优化的防御方案。其实用性和有效性令人怀疑。在本文中，我们深入分析了将现有的离线防御移植到在线场景所面临的困难。然后提出了基于非目标对抗性补丁的在线WF防御方法。为了减少开销，我们使用梯度加权类激活映射（Grad-CAM）算法来识别对分类有高贡献的关键片段。此外，我们通过分割补丁和限制值来优化对抗性补丁的生成过程，以便在实时流量中注入和丢弃预先训练的补丁。我们进行了大量的实验来评估我们防御的有效性。当带宽开销设置为20%时，DF和Var-CNN这两种最先进的攻击的准确率分别降至10.83%和15.49%。此外，我们在在线场景中实现了基于WFPadTools框架的实时补丁流量注入，并以12.57%的时间开销实现了95.50%的防御准确率。