Tor通过对内容的加密和重重随机代理，为互联网用户提供了匿名服务，能有效对抗监察者的审查。然而，研究人员发现，由于Tor的流量中仍有一些特征可以进行识别，通过对Tor的WF（Website Fingerprinting，网站指纹）攻击，可以判断出用户正在访问的网站。近年来，研究人员先后提出使用包括k-NN[1]、SVM[2]和随机森林（Random Forest，RF）[3]等不同机器学习算法进行网站指纹的方法，并在测试集上取得了90%以上的准确率。

不过这些方法注重于特征选择，从而对流量的特征变化较为敏感，而且只在封闭环境（Closed world）下进行测试，在实际使用中仍有局限性。为此，作者提出了基于深度学习的自动化网站指纹方法，分别采用堆栈去噪自编码器（Stacked Denoising Autoencoder，SDAE）、卷积神经网络（Convolutional Neural Network，CNN）和长短期记忆（Long-Short Term Memory，LSTM）网络，通过学习原始流量进行特征提取构建指纹，进而对网站进行识别。

自编码器（Autoencoder，AE）是一种前馈网络，专门用于通过降维来进行特征学习。将多个AE堆积形成深层模型，可以对输入数据的最显着特征进行分层提取，并根据派生特征进行分类，使得SDAE模型能够用于WF。CNN由一系列卷积层构成。卷积层也用于特征提取，从第一层的低级特征开始，逐级抽象。卷积层学习多种过滤器，这些过滤器可以显示出输入数据中包含特定特征的区域，然后对这些输入实例进行降采样，并保留特殊区域。这样，CNN可以检索最重要的特征来进行分类。SDAE需要逐块进行预训练，而CNN不需要大量的预处理。LSTM分类器是特殊类型的循环神经网络（Recurrent Neural Network），具有增强记忆能力。LSTM的设计允许学习数据中的长期依赖关系，使分类器能够解释时间序列。此处输入的流量轨迹基本上是Tor单元的时间序列，这些动态时间序列很可能包含网站指纹。

作者通过Tor和Tor浏览器收集了360万个对Alexa Top 1200的访问数据，并经过筛选，形成了4个主要的数据集CW₁₀₀、CW₂₀₀、CW₅₀₀和CW₉₀₀，分别包含了筛选后的100个、200个、500个和900个网站的各2500次访问数据，作为封闭环境（Closed world）的训练集和测试集。作者对Alexa Top 400, 000的网站进行访问，收集400, 000条数据，对CW₂₀₀中的网站分别进行了2000次访问，收集400, 000条数据，这800, 000条数据构成开放环境（Open world）的数据集。

作者的测试结果如图4和图5。由于随着时间的变化，网站内容会发生变化，使用先前收集的数据训练出来的模型会造成准确率下降，因此作者又进行了时间上的对比实验，如图6。综合上述实验，可以看出，整体上SDAE模型表现较好，且最为稳定。由于CNN需要更少的参数，它的训练是最快的，但也更容易过拟合。LSTM执行速度最慢，但由于其结构特性，它具备最佳的泛化能力，而其反向传播的特性会造成处理长时间的数据时的性能下降。

世界上没有绝对的安全，使用Tor也不能带来完全的匿名。随着时间和技术的发展，针对深度学习的对抗也终将运用于Tor网络中。攻防是场长期的博弈战，此起彼伏，此消彼长。而在攻防的对抗中，技术将始终是核心，并得以不断升华。

参考文献：

[1] T. Wang, X. Cai, R. Nithyanand, R. Johnson, and I. Goldberg, “Effective Attacks and Provable Defenses for Website Fingerprinting,” in USENIX Security Symposium. USENIX Association, 2014, pp. 143–157.

[2] A. Panchenko, F. Lanze, A. Zinnen, M. Henze, J. Pennekamp, K.Wehrle, T. Engel, “Website fingerprinting at internet scale,” in Network & Distributed System Security Symposium (NDSS). IEEE Computer Society, 2016, pp. 1–15.

[3] J. Hayes and G. Danezis, “k-fingerprinting: a Robust Scalable Website Fingerprinting Technique,” in USENIX Security Symposium. USENIX Association, 2016, pp. 1–17.

（论文原文：Vera Rimmer、Davy Preuveneers、Marc Juarezx、Tom Van Goethem、Wouter Joosen. Automated Website Fingerprinting through Deep Learning. NDSS 2018. https://www.ndss-symposium.org/ndss2018/programme/#03A）

（本文完成于2018年4月26日，2018年4月27日首发于ArkTeam）