-
公开(公告)号：CN113904872B
公开(公告)日：2024-06-04
申请号：CN202111387115.7
申请日：2021-11-22
Applicant: 江苏大学
IPC: H04L9/40 , G06F18/214 , G06F18/2135 , G06F18/2431 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明公开一种针对匿名服务网站指纹攻击的特征提取方法及系统，首先从原始流量中过滤出匿名服务网页流量，通过孪生模型提取出双重高维深度特征向量，弥补现有技术依赖于使用不同模型以提取多模态特征需要高计算开销的缺点与直接使用参数共享机制易造成参数冗余与梯度爆炸的缺点，然后使用特征萃取‑融合网络从双重高维深度特征向量中分离出特定特征向量与共享特征向量，并从样本间与样本内两个层面分析调整了特征向量距离；然后使用改进的#imgabs0#对数据进行降维，最后通过动态特征融合策略融合共享特征向量,使用该向量训练分类器并识别匿名服务网页标签。本发明实现了从原始流量中过滤出匿名服务网页流量，提取用于网站指纹攻击的融合特征，提升了鲁棒性的同时保持较高的识别率。
-
公开(公告)号：CN114500071B
公开(公告)日：2024-04-16
申请号：CN202210125891.8
申请日：2022-02-10
Applicant: 江苏大学
IPC: H04L9/40 , G06F18/214 , G06F18/24
Abstract: 本发明公开一种针对目标网站动态增长的自适应指纹攻击方法和系统，首先创建容量固定且存储内容动态更新的容器为所有目标网站分配训练集空间和校正集空间，并通过修改指纹攻击模型结构增加其可预测的网站数量，以获得待训练的新模型。然后利用容器中保存下来的训练集和新目标网站的流量样本一起训练新模型，同时旧模型利用动态调整损失率的知识蒸馏向新模型传授旧目标网站中的复杂模式。克服存储开销和计算开销快速增长的缺点。最后在新模型上添加校正层，校正训练新模型时由于新旧流量样本的不平衡从而导致对新目标网站的预测偏向性，实现在固定的存储空间以及与新增目标网站数量线性相关的时间里有效识别所有目标网站。
-
公开(公告)号：CN114500071A
公开(公告)日：2022-05-13
申请号：CN202210125891.8
申请日：2022-02-10
Applicant: 江苏大学
Abstract: 本发明公开一种针对目标网站动态增长的自适应指纹攻击方法和系统，首先创建容量固定且存储内容动态更新的容器为所有目标网站分配训练集空间和校正集空间，并通过修改指纹攻击模型结构增加其可预测的网站数量，以获得待训练的新模型。然后利用容器中保存下来的训练集和新目标网站的流量样本一起训练新模型，同时旧模型利用动态调整损失率的知识蒸馏向新模型传授旧目标网站中的复杂模式。克服存储开销和计算开销快速增长的缺点。最后在新模型上添加校正层，校正训练新模型时由于新旧流量样本的不平衡从而导致对新目标网站的预测偏向性，实现在固定的存储空间以及与新增目标网站数量线性相关的时间里有效识别所有目标网站。
-
公开(公告)号：CN113904872A
公开(公告)日：2022-01-07
申请号：CN202111387115.7
申请日：2021-11-22
Applicant: 江苏大学
Abstract: 本发明公开一种针对匿名服务网站指纹攻击的特征提取方法及系统，首先从原始流量中过滤出匿名服务网页流量，通过孪生模型提取出双重高维深度特征向量，弥补现有技术依赖于使用不同模型以提取多模态特征需要高计算开销的缺点与直接使用参数共享机制易造成参数冗余与梯度爆炸的缺点，然后使用特征萃取‑融合网络从双重高维深度特征向量中分离出特定特征向量与共享特征向量，并从样本间与样本内两个层面分析调整了特征向量距离；然后使用改进的对数据进行降维，最后通过动态特征融合策略融合共享特征向量,使用该向量训练分类器并识别匿名服务网页标签。本发明实现了从原始流量中过滤出匿名服务网页流量，提取用于网站指纹攻击的融合特征，提升了鲁棒性的同时保持较高的识别率。
-
-
-
Search Results
4
records
(took 0.019 seconds)
