[论文解读] Reality Check for Tor Website Fingerprinting in the Open World

Mohammadhamed Shadbeh, Khashayar Khajavi+1 more|arXiv (Cornell University)|Mar 8, 2026

Internet Traffic Analysis and Secure E-voting被引用 0

一句话总结

本论文重新评估真实 Tor 开放世界流量中的网站指纹识别（WF），从守卫对手视角显示出强烈的 WF 效果及在现实条件下的鲁棒性，包括 Conflux 流量分割。

ABSTRACT

Website fingerprinting (WF) attacks on Tor can infer user destinations from encrypted traffic metadata. However, their real-world effectiveness remains debated due to laboratory settings that fail to capture network fluctuations, evaluate noise, and create a representative open world. In this work, we re-examine WF from a guard-relay vantage point using a novel, privacy-preserving methodology that builds an open-world background from real, unlabeled Tor traffic paired with synthetic monitored traces. Using this methodology, we collect a large-scale dataset of over 800,000 traces. We then benchmark state-of-the-art WF attacks under a cross-network setting and show that WF remains highly effective against real Tor open-world traffic: the best-performing attack achieves 0.956 precision and 0.922 recall at a 9% base rate. We further present results that demonstrate robustness to small training sets, network jitter, and concept drift. Moreover, we show that timing-independent classifiers are significantly more robust to network variability than others. Finally, we provide the first systematic study of Tor's Conflux traffic-splitting, where we show that a guard node with a latency advantage can maintain high attack effectiveness even when traffic is split.

研究动机与目标

• 通过跳出实验室设置、走向开放世界、守卫对手视角，推动对现实 WF 的评估。
• 构建使用真实未监控流量配合合成监控轨迹的隐私保护、真实开放世界背景。
• 在跨网络条件下对最先进的 WF 攻击进行基准测试，并分析对网络变动、时序特征和概念漂移的鲁棒性。
• 研究 Tor 的 Conflux 流量分割及其在守卫观察下对 WF 效果的影响。

提出的方法

• 提出使用真实开放世界流量与合成监控轨迹的隐私保护的守卫对手方法学，以构建包含 80 万条以上轨迹的开放世界数据集。
• 对 Tor 守卫中继进行登记以记录每个单元元数据并在不收集真实标签的情况下对数据进行清洗。
• 使用具有精确页面级 ground truth 的合成监控轨迹进行 WF 分类器的训练与评估，并以真实未 monitored 流量进行测试。
• 评估最先进 WF 攻击在跨网络条件下的性能，重点关注对网络抖动和概念漂移的鲁棒性。
• 系统性研究 Conflux 流量分割，并在不同延迟优势下评估守卫观察者的 WF 有效性。

实验结果

研究问题

• RQ1 现代 WF 攻击在真实 Tor 开放世界流量（守卫视角）下的有效性如何？
• RQ2 将合成监控轨迹与真实未监控流量结合，是否在跨网络条件下产生真实且鲁棒的 WF 评估？
• RQ3 Conflux 流量分割如何影响守卫对手对网站指纹的能力？
• RQ4 哪些特征与训练设置（依赖时序与非时序）能够对网络变动具有鲁棒性？

主要发现

• 在跨网络条件下，最佳攻击在基准率为 9% 时达到 0.956 的精确率和 0.922 的召回率。
• 合并训练/测试得到 pi10 为 0.980、召回率为 0.968。
• 对小型训练集、网络抖动与概念漂移具有鲁棒性，时序无关的分类器对变动表现更鲁棒。
• 守卫具有延迟优势时可缓解 Conflux 流量分割的影响，在假阳性率 = 0.5% 时召回率从 0.522 增加到 0.881。
• 本研究首次系统性地研究了 Tor 的 Conflux 流量分割在守卫对手 WF 场景中的影响。