对多层分类的多协议网络中流量混淆技术的全面分析

《IEEE Access》：A Comprehensive Analysis of Traffic Obfuscation Across Multi-protocol Networks with Layered Classification

　　

摘要：

像Tor、I2P、FreeNet和ZeroNet这样的暗网浏览器提供了强大的匿名性，但它们越来越多地被用于非法活动，这使得可靠的流量分类变得具有挑战性。现有的研究主要集中在Tor上，或者依赖于简单的分类模型，忽略了暗网流量的多样性和层次结构。本研究提出了一个三层分类框架，能够检测暗网流量、识别浏览器类型，并对多种协议进行应用层级的分类。为了在现实条件下评估模型的鲁棒性，这些模型在干净的数据上进行训练，并使用WTFPAD（填充）和TrafficSliver（分割）技术对逐渐混淆的流量进行测试。采用了一种协同特征选择（SFS）策略来提高模型在数据分布变化时的鲁棒性，而相关性崩溃分析则量化了混淆所导致的结构破坏。结果表明，尽管检测能力保持稳定，但随着混淆程度的增加，浏览器级别的性能会下降，应用级别的性能则会显著下降。这些发现表明，细粒度的暗网流量分类对特征破坏非常敏感，并强调了需要具备防御意识的层次化评估框架。