您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202502-121
论文题目 基于流关联的匿名通信识别研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于流关联的匿名通信识别研究

首发时间:2025-02-26

梁文旭 1   

梁文旭(2000年-),女,主要研究方向:匿名网络通信关系识别,深度学习

夏亚梅 1   

夏亚梅(1976-),女,博导,主要研究方向:并行计算,大数据处理,网络安全

  • 1、北京邮电大学计算机学院(国家示范性软件学院),北京 100876

摘要:匿名通信技术广泛应用于隐私保护场景,Tor网络作为最流行的匿名通信系统之一,通过多跳代理和加密技术提供匿名性。然而,流量分析技术的进步使其匿名性受到挑战,其中流关联攻击通过对比入口和出口流量的统计特征,实现匿名通信关系的识别,威胁Tor的隐私保护。现有方法如DeepCorr和DeepCoFFEA在特定环境下表现优越,但在高噪声、时延抖动等复杂网络条件下,仍面临鲁棒性不足和时序特征建模受限的问题。针对上述问题,本文提出DeepRoFA(Deep Robust Flow Association)模型,在DeepCoFFEA基础上优化:(1)引入累计流量特征,以增强对流量模式的描述能力,提高模型在复杂网络环境中的稳定性;(2)融合CNN、LSTM和Attention机制,以更好地提取时序特征,并强化关键时间窗口的关注度,提高流量匹配的精度。实验基于DeepCoFFEA数据集,在标准环境和模拟复杂环境下评估,并与现有方法对比。实验结果表明,在标准测试环境下,DeepRoFA与DeepCoFFEA性能相当,而在高噪声和时延波动环境中,DeepRoFA保持较高的流量匹配准确率(TPR)并显著降低误报率(FPR),展现出更强的鲁棒性和适应性。研究表明,该模型可有效提升匿名通信流量分析的准确性,为Tor网络的安全性评估和流量分析对抗提供技术支持。

关键词: Tor网络 匿名通信 流关联攻击 深度学习

For information in English, please click here

Research on Anonymous Communication Identification Based on Flow Correlation

LIANG Wenxu 1   

梁文旭(2000年-),女,主要研究方向:匿名网络通信关系识别,深度学习

XIA Yamei 1   

夏亚梅(1976-),女,博导,主要研究方向:并行计算,大数据处理,网络安全

  • 1、College of Computer Science (National Pilot Software Engineering), Beijing University of Posts and Telecommunications, Beijing 100876

Abstract:Anonymous communication networks, particularly Tor, ensure privacy through multi-hop relays and encryption. However, advances in traffic analysis pose severe threats, with flow correlation attacks exploiting statistical similarities between ingress and egress traffic to infer communication links, compromising anonymity. Existing deep learning-based methods, such as DeepCorr and DeepCoFFEA, achieve notable performance under controlled conditions but exhibit limited robustness against noise, latency variations, and packet loss.This study proposes DeepRoFA (Deep Robust Flow Association), an enhanced flow correlation model addressing these limitations. Key innovations include cumulative flow features, improving traffic pattern characterization under adverse conditions, and a hybrid CNN-LSTM-Attention framework, which captures temporal dependencies while emphasizing critical time windows for higher correlation accuracy. Evaluations on the DeepCoFFEA dataset under standard and simulated high-noise, high-latency environments demonstrate DeepRoFA\'s superiority in maintaining a high true positive rate (TPR) and significantly reducing false positives (FPR).Results indicate that DeepRoFA surpasses existing methods in robustness and adaptability, offering a more reliable approach for traffic analysis in anonymous communication. This work provides valuable insights for Tor security assessment and countermeasures against flow correlation attacks.

Keywords: Tor Anonymous Communication Flow Correlation Attack Deep Learning

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
梁文旭,夏亚梅. 基于流关联的匿名通信识别研究[EB/OL]. 北京:中国科技论文在线 [2025-02-26]. https://www.paper.edu.cn/releasepaper/content/202502-121.

No.****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

基于流关联的匿名通信识别研究