-
公开(公告)号:CN118861814A
公开(公告)日:2024-10-29
申请号:CN202410902528.1
申请日:2024-07-07
Applicant: 东南大学
IPC: G06F18/241 , H04L9/40 , G06F18/2415 , G06F18/15 , G06F18/213 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种面向Tor网络的跨域自适应小样本网站指纹识别方法,所述方法包括以下步骤:S1:设计基于加性角度边界损失的预训练策略,S2:设计基于特定任务适配器的模型微调策略;其中,基于加性角度边界损失的预训练策略主要包括流量采集和预处理、随机批量采样、特征提取器模型构建、预训练损失函数设计、特征提取器训练5个步骤。基于特定任务适配器的模型微调策略主要包括随机小样本任务采样、加载和冻结主干网络参数、任务适配器插入和初始化、微调任务适配器权重、小样本任务测试5个步骤。本方法平衡了预训练的训练成本和性能,能够支持大规模数据集预训练,为匿名通信网络治理实践提供了有效基础和全新视角。
-
公开(公告)号:CN116545946A
公开(公告)日:2023-08-04
申请号:CN202310554060.7
申请日:2023-05-16
Applicant: 东南大学
IPC: H04L47/2483 , H04L47/2441 , G06F18/213 , G06F18/24
Abstract: 本发明公开了一种基于突发流分布特征的隐藏服务流量识别方法,以满足对通过暗网进行违法交易行为的监管需求,本方法提出一种新的基于突发流(Burst)分布特征的识别方法,能够分类用户访问不同隐藏服务的流量。该方法包括Tor隐藏服务流量预处理与指纹构建、Tor隐藏服务流量全局特征提取与流量识别。流量预处理与指纹构建实现了基于Tor信元序列的数值化表达与基于Burst序列的指纹构建。全局特征提取通过在CNN模型的基础上添加全局特征提取模块实现了对一条流中所有Burst关联特征的深度提取。在流量识别中,通过全连接层对特征进行融合进而实现准确分类。
-
公开(公告)号:CN116405296A
公开(公告)日:2023-07-07
申请号:CN202310394694.0
申请日:2023-04-13
Applicant: 东南大学
IPC: H04L9/40 , H04L61/4511 , H04L67/02 , H04L41/16 , G06N3/0464 , G06N3/0442
Abstract: 本发明涉及一种基于双通道结构的多域名隐藏服务网站指纹攻击方法,通过构建基于云服务器的多域名隐藏服务流量采集系统来完成Tor第三版本多域名隐藏服务的域名收集与归类、流量采集以及数据预处理。基于隐藏服务加载行为差异,提出了一种新的输入,并通过设计一种双通道结构的网站指纹攻击方法,分别通过卷积神经网络和长短时记忆模型提取不同通道输入中的空间特征信息和时间特征信息,将两种特征进行拼接融合送入分类网络,从而提高网站指纹攻击方法对从属于同一个站点的不同域名的特征学习能力。该方案通过并行双通道结构来捕获隐藏服务站点每个不同域名流量的时空特征并进行特征结合,提高多域名复杂特征环境下的隐藏服务网站指纹攻击准确率。
-
-