[論文レビュー] k-fingerprinting: a Robust Scalable Website Fingerprinting Technique

Jamie Hayes, George Danezis|arXiv (Cornell University)|Sep 2, 2015

Internet Traffic Analysis and Secure E-voting参考文献 17被引用数 94

ひとこと要約

本稿では、暗号化済みまたは匿名化済みトラフィックからのみでも、ウェブページ（Torの隠しサービスを含む）を特定する、堅牢でスケーラブルなウェブサイトフォグレーピング技術k-fingerprintingを紹介する。30の監視対象の隠しサービスを100,000件の非監視ページから区別する際、85%の真正陽性率と0.02%の偽陽性率を達成しており、防御策やノイズの多い状況下でも、先行研究を上回る性能を発揮する。

ABSTRACT

Website fingerprinting enables an attacker to infer which web page a client is browsing through encrypted or anonymized network connections. We present a new website fingerprinting technique based on random decision forests and evaluate performance over standard web pages as well as Tor hidden services, on a larger scale than previous works. Our technique, k-fingerprinting, performs better than current state-of-the-art attacks even against website fingerprinting defenses, and we show that it is possible to launch a website fingerprinting attack in the face of a large amount of noisy data. We can correctly determine which of 30 monitored hidden services a client is visiting with 85% true positive rate (TPR), a false positive rate (FPR) as low as 0.02%, from a world size of 100,000 unmonitored web pages. We further show that error rates vary widely between web resources, and thus some patterns of use will be predictably more vulnerable to attack than others.

研究の動機と目的

• 監視対象と非監視対象の両方のウェブサイトを閲覧する現実的なオープンワールド環境において、効果的に動作する、より正確でスケーラブルなウェブサイトフォグレーピング技術の開発。
• k-fingerprintingの、ウェブサイトフォグレーピング防御やノイズデータ（実世界のブラウジングパターンを含む）の存在下での有効性の評価。
• 暗号化または匿名化された状態でも、ウェブページのアイデンティティに関する情報を最も漏らすネットワーク特徴量（例：パケット数、タイミング）の特定。
• 少数のデータに限定して学習を行うことで、長期的な監視に向けた設定コストを低減しつつも、高い精度の攻撃が可能であることを示すこと。
• Torがフォグレーピングに対して意味的な保護を提供しないこと、および隠しサービスが標準ウェブサイトと高精度で区別可能であることを示すこと。

提案手法

• k-fingerprintingは、ネットワークトラフィックトレースから判別可能な特徴量を抽出するため、変更を加えたランダム決定木アルゴリズムを採用しており、オープンワールド環境での分類を可能にする。
• 特にパケット数やトラフィック量といった特徴量のサブセットを用いることで、到着間隔や順序といった複雑な特徴量よりも、より多くの情報を漏らしていることが示された。
• 非監視対象ウェブサイトが最大100,000件まで存在するオープンワールド環境で動作する。これは、先行研究（例：5,000または25,000件のウェブサイト）と比較して顕著に大きい。
• 分類器は、全データのわずかな割合に限定して学習されるため、迅速な展開が可能であり、初期のデータ収集の負荷が軽減される。
• 誤差率の推定をトレーニングセットで実施し、誤分類リスクの高いウェブサイトを特定・除外することで、全体の精度が向上する。
• 本手法は4つの独立したデータセットで検証され、多様なブラウジングセッションやネットワーク環境においても、堅牢性と一般化性能が確認された。

実験結果

リサーチクエスチョン

• RQ1 100,000件の非監視対象ウェブサイトを含むオープンワールド環境において、ウェブサイトフォグレーピング攻撃は高い精度を維持できるか？
• RQ2 k-fingerprintingは、トラフィックモーフィングやダミーページといった既知の防御策に対して、どの程度の性能を示すか？
• RQ3 暗号化または匿名化された状態でも、ウェブページのアイデンティティを特定するにあたり、どのネットワーク特徴量（例：パケット数、タイミング）が最も情報を漏らすか？
• RQ4 少数のデータに限定して学習を行う場合、依然として高精度なフォグレーピング分類器が得られるか、その程度はどの程度か？
• RQ5 Torを経由してブラウジングすることは、ウェブサイトフォグレーピングに対して意味的な抵抗性を提供するのか？また、隠しサービスは標準ウェブサイトと信頼性高く区別可能か？

主な発見

• k-fingerprintingは、100,000件の非監視対象ウェブサイトの中から30件の監視対象Tor隠しサービスを識別する際、真正陽性率85%、偽陽性率0.02%を達成している。
• 攻撃は、少数のデータに限定して学習された場合でも効果を発揮し、長期的監視に向けた低コストな設定とスケーラビリティを示している。
• パケット数などの単純な特徴量が、パケット間隔や順序といった複雑な特徴量よりも、より多くの情報を漏らしている。
• 誤差率はウェブサイトごとに顕著に異なるため、攻撃者はトレーニングデータを用いて誤差率の高いターゲットを特定・除外でき、分類器の性能向上が可能である。
• Torはフォグレーピングに対して意味的な保護を提供しない：k-fingerprintingは、標準ウェブサイトおよびTor隠しサービスの両方で高い精度を達成している。
• 本手法は、精度と計算効率の両面で先行する最先端の攻撃を上回っており、1インスタンスあたりのテスト時間は約0.1 CPU秒である。