SybilQuorum: Open Distributed Ledgers Through Trust Networks
Sybil攻击困扰着所有的点对点系统,现代开放分布式账本采用了许多策略来防止它从工作量证明或其他资源(如空间,股权或内存)到许可设置中的传统准入控制。通过SybilQuorum,我们提出了一种替代方法来保护开放的分布式账本免受Sybil攻击,并确保诚实参与者之间的共识,利用基于社交网络的Sybil防御。我们展示了通过账本表达信任关系的节点如何引导和操作价值系统和一般交易系统,以及如何挫败Sybil攻击。我们经验评估我们的系统作为一个安全的联邦拜占庭协议系统,并扩展这些系统的理论这样做。
2019-06-28 cs.CR
Detecting Colluding Sybil Attackers in Robotic Networks using Backscatters
由于无线介质的开放性,由许多小型机器人组成的机器人网络很容易受到Sybil攻击者的攻击,他们可以制造出无数的虚拟机器人。这种有害的攻击可能会推翻机器人协作中的基本信任假设,从而阻碍机器人网络在许多协作任务中的广泛部署。现有的解决方案依赖于庞大的多天线系统来被动地获得细粒度的物理层签名,这使得小型机器人无法负担。为了克服这一限制,我们提出了ScatterID,一个轻量级的系统,重视羽毛轻和无电池的反向散射标签的单天线机器人Sybil攻击缓解。ScatterID不是被动地“观察”签名,而是通过利用反向散射标签来主动地“操纵”多径传播,以有意地创建单天线机器人可获得的丰富的多径签名。特别是,这些签名被用来仔细构造相似向量,以挫败高级Sybil攻击者,后者进一步触发功率缩放和合谋攻击以生成不同的签名。然后,定制的随机森林模型的发展,以准确地推断每个机器人的身份合法性。我们在iRobot Create平台上实现了ScatterID,并在现实环境中的各种Sybil攻击下对其进行了评估。实验结果表明,ScatterID在基本和高级Sybil攻击下的AUROC高达0.987,总体准确率为95.4%。具体来说,它可以成功地检测到96.1%的假机器人,而错误地拒绝只有5.7%的合法机器人。
2020-12-28 cs.CR
Active Sybil attack and efficient defense strategy in IPFS DHT
Université de Lorraine, CNRS, Inria, LORIA(洛林大学、法国国家科学研究中心、法国国家信息与自动化研究所、洛林研究与信息应用实验室)
本文提出一种主动Sybil攻击,恶意节点返回语义正确但虚假的数据,利用策略性Sybil放置逃避检测,并利用Kubo早期终止漏洞实现内容覆盖。提出SR-DHT-Store防御机制,通过动态计算XOR距离进行区域查询,实现高效、抗Sybil的内容发布。
2026-04-22 cs.CR
Detecting Sybil Attacks using Proofs of Work and Location in VANETs
在本文中,我们提出了一个Sybil攻击检测方案使用的工作和位置证明。这个想法是每个路边单元(RSU)发出一个签名的时间戳标签,作为车辆匿名位置的证明。从多个连续RSU发送的证明用于创建车辆轨迹,该轨迹用作车辆匿名身份。此外,一个RSU不能发布车辆的轨迹,而是需要几个RSU的贡献。通过这种方式,攻击者需要妥协不可行数量的RSU来创建假轨迹。此外,在从RSU接收到位置证明后,车辆应该通过运行工作量证明(PoW)算法来解决计算难题。因此,它应该在获得位置证明之前为下一个RSU提供有效的解决方案(工作量证明)。使用PoW可以防止车辆在低密度RSU的情况下创建多个轨迹。然后,在任何报告的事件期间,例如,在道路拥堵时,事件管理器使用匹配技术来识别从Sybil车辆发送的轨迹。该方案依赖于这样一个事实,即西比尔轨迹物理上是有界的一个车辆,因此,他们的轨迹应该重叠。大量的实验和仿真表明,我们的方案实现了高检测率Sybil攻击与低误报和可接受的通信和计算开销。
2019-04-11 cs.CR
A Tractable Probabilistic Approach to Analyze Sybil Attacks in Sharding-Based Blockchain Protocols
像比特币和以太坊这样的区块链存在可扩展性问题。分片是扩展区块链的最有前途和领先的解决方案之一。分片背后的基本思想是将区块链网络划分为多个委员会,每个委员会处理一组单独的交易,而不是整个网络处理所有交易。在本文中,我们提出了一种概率方法来分析基于分片的区块链协议的安全性。基于这种方法,我们调查的威胁,在这些协议中的Sybil攻击。我们的论文的主要贡献是一个易于处理的概率方法,以准确地计算至少一个委员会失败的失败概率,并最终计算成功攻击的概率。为了显示我们的方法的有效性,我们进行了数值和比较分析的方法与现有的方法。
2021-04-15 cs.CR
On the Impact of Sybil-based Attacks on Mobile Crowdsensing for Transportation
本文研究了基于Sybil的攻击对交通导航移动群智感知(N-MCS)的影响,通过在SUMO模拟器上设计实验,发现攻击资源取决于位置和Sybil数据量,且仅3%的Sybil用户即可使平均旅行时间增加20%。
2025-06-25 cs.CR
The Sybil Attacks and Defenses: A Survey
在本文中,我们有一个密切关注的Sybil攻击和防御它的进展,特别强调最近的工作。我们确定了三种主要的文献工作来抵御攻击:使用可信认证,使用资源测试,并使用社交网络。文献的第一个脉络考虑使用可信认证来防御攻击,这是通过使用可以取代集中式认证实体的密码原语的集中式认证或分布式认证来完成的。第二种思路考虑通过资源测试来防御攻击,可以通过IP测试、网络坐标、经常性成本等形式,也可以通过要求客户端解决难题来实现。文献的第三个也是最后一个脉络是通过将用作自举安全的社交网络与来自随机游走理论的工具相结合来减轻攻击,这些工具已被证明在某些假设下有效地防御攻击。通过对这三种文学流派的不同方案的考察和分析,我们发现了一些不足之处,形成了几个值得探讨的有趣方向和研究问题。
2013-12-22 cs.CR
On Sybil-proofness in Restaking Networks
Gauntlet(盖特纳);IOG(伊奥科技);Cardano Foundation(卡达诺基金会)
本文为再质押网络建立抗女巫攻击的形式化框架,证明不存在能同时阻止两类女巫攻击的罚没机制,并通过随机图模型揭示网络拓扑异质性会破坏抗女巫攻击性。
2025-09-22 cs.CR cs.GT
Unique ID based Trust Scheme for Improved IoV Wireless Sensor Network Security Against Power Controlled Sybil Attacks
针对车联网无线传感器网络面临的功率控制女巫攻击问题,提出基于唯一标识的信任路径路由方案UITrust,利用设备物理唯一标识符和路由路径信任估计抵御攻击,仿真显示其性能显著优于现有方案。
2025-04-16 cs.CR
iPersea : The Improved Persea with Sybil Detection Mechanism
P2P系统非常容易受到Sybil攻击,其中攻击者创建大量身份并使用它们来控制系统的很大一部分。Persea是设计基于社会网络的抗Sybil DHT的最新方法。与先前基于社交网络的抗Sybil P2P系统不同,Persea不依赖于两个关键假设:(i)社交网络是快速混合的,以及(ii)攻击边缘与诚实对等体的比例很小。这两个假设在真实的社交网络中都被证明是不可靠的。在波斯的节点ID的分层分布限制了一个大型的攻击者僵尸网络的ID空间的一个相当小的区域比在一个正常的P2P系统和它的复制机制,让一个对等检索所需的结果,即使一个给定的区域被攻击者占领。然而,Persea系统有一定的局限性,因为它不能处理恶意目标返回错误结果而不是忽略查找请求的情况。在本文中,我们解决了这个主要的限制,通过建立在Persea系统,它容纳检查查找,一个专门设计的查找方案,以检测Sybil节点的基础上,他们的响应查找查询的Sybil检测机制。我们设计了一个方案来过滤这些检测到的Sybil,以确保在定期的DHT查找过程中的诚实节点的参与。由于恶意节点在我们的系统中选择退出查找路径,因此它们在常规查找期间不会返回任何错误的结果。我们评估我们的系统在模拟与社会网络数据集和结果表明,catster,最大的网络在我们的模拟与149700节点和5449275边缘,获得100%的查找成功率,即使当攻击边缘的数量等于网络中的良性同行的…
2014-12-22 cs.CR
Mitigating Sybil Attacks on Differential Privacy based Federated Learning
在联邦学习中,机器学习和深度学习模型在分布式设备上进行全局训练。联邦学习背景下最先进的隐私保护技术是用户级差分隐私。然而,这样的机制容易受到一些特定的模型中毒攻击,如Sybil攻击。恶意攻击者可以创建多个假客户端或在Sybil攻击中串通受损设备,以安装直接的模型更新操作。最近的工作对模型中毒攻击的新的防御是很难检测的Sybil攻击时,利用差分隐私,因为它掩盖了客户端的模型更新与扰动。在这项工作中,我们实现了第一个Sybil攻击差分隐私的联邦学习架构,并显示其对模型收敛的影响。我们随机妥协的一些客户端通过操纵不同的噪声水平所反映的本地隐私预算的差分隐私对这些Sybil客户端的本地模型更新,使全局模型收敛速度下降,甚至导致发散。我们将我们的攻击应用于两个最近的聚合防御机制,称为Krum和Trimmed Mean。我们在MNIST和CIFAR-10数据集上的评估结果表明,我们的攻击有效地减缓了全局模型的收敛速度。然后,我们提出了一种方法,以保持监测的平均损失的所有参与者在每一轮的收敛异常检测和防御我们的Sybil攻击的基础上,从每个客户端报告的预测成本。我们的实证研究表明,我们的防御方法有效地减轻了我们的Sybil攻击模型收敛的影响。
2020-10-20 cs.CR cs.DC
The Mason Test: A Defense Against Sybil Attacks in Wireless Networks Without Trusted Authorities
无线网络容易受到Sybil攻击,在这种攻击中,恶意节点为了获得不成比例的影响力而冒充尽可能多的身份。存在许多基于无线信道的空间可变性的防御,但是依赖于详细的多抽头信道估计(在商品802.11设备上没有暴露的东西)或来自多个可信源的有效RSSI观测,例如,企业接入点-在具有潜在恶意邻居的自组织和延迟容忍网络中无法直接获得的东西。我们扩展这些技术是实用的商品802.11设备的无线ad hoc网络。具体来说,我们提出了两种有效的方法,用于分离的行为节点的有效RSSI观测伪造的恶意参与者。此外,我们注意到,以前的signalprint方法很容易被移动攻击者击败,并开发了适当的挑战-响应防御。最后,我们提出了梅森测试,这些技术的商品802.11设备的ad hoc和延迟容忍网络的第一个实现。我们说明了它的性能在几个现实世界的场景。
2014-03-24 cs.CR
A Robust Framework for Sybil Attack Detection in Vehicular Ad Hoc Networks
University of Dhaka(达卡大学)
提出一种利用GPS数据和DBSCAN聚类的鲁棒框架,通过构建精确轨迹和自动参数选择,在稀疏和密集区域分别降低68%和70%的误报率,同时大幅降低检测时间。
2026-09-10 cs.CR
Enhancing Security in VANETs with Efficient Sybil Attack Detection using Fog Computing
车载自组织网络(VANESTs)促进车辆广播信标消息以确保道路安全。VANGAN中的流氓节点通过广播恶意信息导致灾难性后果(例如车辆碰撞),从而引发Sybil攻击,以制造虚假交通拥堵的假象。以前的研究人员使用密码学,信任分数或过去的车辆数据来检测流氓节点,但他们遭受高处理延迟,开销和误报率(FPR)。我们提出了一个雾计算为基础的Sybil攻击检测VANESTs(FSDV),它利用车载单元(OBU)的所有车辆在该地区创建一个动态的雾流氓节点检测。我们的目标是减少数据处理延迟,开销和FPR在检测流氓节点导致Sybil攻击在高车辆密度。我们的框架的性能进行了模拟使用OMNET++和SUMO模拟器。结果表明,我们的框架,确保43%的处理延迟降低,13%的开销降低,并在高车辆密度降低FPR 35%相比,现有的Sybil攻击检测方案。
2021-08-23 cs.CR cs.NI
Sybil-based Virtual Data Poisoning Attacks in Federated Learning
Department of Automation, Shanghai Jiao Tong University(自动化系,上海交通大学);Sony AI(索尼人工智能)
针对联邦学习现有投毒攻击成本高的问题,提出基于Sybil的虚拟数据投毒攻击,结合梯度匹配虚拟数据生成与三类目标模型获取方案,可在非独立同分布数据下高效实现更强的全局投毒效果。
2025-05-15 cs.CR cs.LG
SybilFrame: A Defense-in-Depth Framework for Structure-Based Sybil Detection
Sybil攻击正变得越来越普遍,并对在线社交系统构成重大威胁;单个攻击者可以在系统中注入多个合谋身份,从而危及安全和隐私。最近的作品利用基于社交网络的信任关系来防御Sybil攻击。然而,现有的防御是基于过于简化的假设,这在现实世界的社交图谱中是不成立的。在这项工作中,我们提出了SybilFrame,一个防御的深度框架,用于减轻问题的Sybil攻击时,过于简化的假设放松。我们的框架能够将有关用户和社交图中的边缘的先验信息结合起来。我们在合成和真实世界的网络拓扑结构上验证了我们的框架,包括具有20 M节点和265 M边缘的大规模Twitter数据集,并证明我们的方案比以前的基于结构的方法性能好一个数量级。
2018-03-27 cs.CR cs.SI
Lightweight Sybil-Resilient Multi-Robot Networks by Multipath Manipulation
无线网络开辟了许多机会,以促进小型化机器人在协作任务,而无线介质的开放性暴露机器人的威胁Sybil攻击者,谁可以打破机器人协作的基本信任假设伪造大量的虚构机器人。最近的进展提倡采用笨重的多天线系统来被动地获得细粒度的物理层签名,使它们对小型化机器人来说是负担不起的。为了克服这个难题,本文提出了ScatterID,一个轻量级的系统,重视羽毛轻和无电池的反向散射标签的单天线机器人,以抵御西比尔攻击。ScatterID不是被动地“观察”签名,而是通过使用反向散射标签来主动地“操纵”多径传播,以有意地创建单天线机器人可获得的丰富的多径特征。这些特征用于构建一个独特的配置文件,以检测真正的信号源,即使攻击者是移动和功率缩放。我们在iRobot Create平台上实现了ScatterID,并在典型的室内和室外环境中对其进行了评估。实验结果表明,我们的系统实现了较高的AUROC为0.988和96.4%的整体准确率的身份验证。
2019-12-11 cs.CR
In-Vehicle Digital Twin-Based Collision Warning Framework with Sybil Attack Detection
Glenn Department of Civil Engineering, Clemson University(格伦土木工程系,克莱姆伦大学)
提出一种车载数字孪生碰撞预警框架,集成时序卷积网络和分层可导航小世界算法,实现Sybil攻击检测与安全评估,准确率达0.984。
2026-06-26 cs.CR cs.LG
SybilBelief: A Semi-supervised Learning Approach for Structure-based Sybil Detection
Sybil攻击是对分布式系统安全的根本威胁。最近,人们越来越关注利用社交网络来减轻Sybil攻击。然而,现有的方法遭受一个或多个缺点,包括仅从已知的良性或已知的Sybil节点引导,不能容忍关于已知的良性或Sybil节点的先验知识中的噪声,以及不可扩展。在这项工作中,我们的目标是克服这些缺点。为了实现这个目标,我们引入SybilBelief,一个半监督学习框架,检测Sybil节点。SybilBelief将系统中节点的社交网络、一小部分已知良性节点以及一小部分已知Sybil作为输入。然后SybilBelief将标签信息从已知的良性和/或Sybil节点传播到系统中的其余节点。我们评估SybilBelief使用合成和现实世界的社会网络拓扑结构。我们表明,SybilBelief是能够准确地识别Sybil节点的低假阳性率和低假阴性率。SybilBelief对我们关于已知良性和Sybil节点的先验知识中的噪声具有弹性。此外,SybilBelief执行的数量级优于现有的Sybil分类机制和显着优于现有的Sybil排名机制。
2014-06-08 cs.CR cs.SI
SybilFuse: Combining Local Attributes with Global Structure to Perform Robust Sybil Detection
Sybil攻击正变得越来越普遍,并对在线社交系统构成重大威胁;单个攻击者可以在系统中注入多个合谋身份,从而危及安全和隐私。最近的作品利用基于社交网络的信任关系来抵御Sybil攻击。然而,现有的防御是基于对网络结构的过于简化的假设,这在现实世界的社交网络中不一定成立。认识到这些局限性,我们提出Sybilestrium,一个深入的防御框架,当过于简化的假设放松时,Sybil检测。Sybillet采用集体分类方法,首先训练局部分类器来计算节点和边缘的局部信任分数,然后通过加权随机游走和循环信念传播机制将局部分数传播到全局网络结构中。我们评估了我们的框架在合成和现实世界的网络拓扑结构,包括一个大规模的,标记的Twitter网络,包括20 M节点和265 M边缘,并证明Sybilocide优于国家的最先进的方法显着。特别是,Sybilecom在顶级节点中实现了98%的Sybil覆盖率。
2018-06-07 cs.CR cs.SI
X-Vine: Secure and Pseudonymous Routing Using Social Networks
分布式哈希表存在多个安全和隐私漏洞,包括Sybil攻击问题。现有的基于社交网络的解决方案,以减轻在DHT路由的Sybil攻击有一个高的状态要求,并没有提供足够的隐私级别。例如,这样的技术要求用户揭示他们的社交网络联系人。我们设计了X-Vine,这是一种分布式哈希表的保护机制,完全通过社交网络链接进行通信。与传统的点对点系统一样,X-Vine提供了健壮性、可扩展性和创新平台。使用社交网络链接进行通信有助于保护参与者的隐私,并增加了以前设计中缺乏的新的信任维度。X-Vine能够抵御Sybil攻击造成的拒绝服务攻击,事实上,它是第一个只需要每个节点对数数量的状态的Sybil防御,因此适合大规模和动态设置。X-Vine还有助于保护用户社交网络联系人的隐私,并将其IP地址隐藏在社交圈之外,为匿名通信提供基础。我们首先评估我们的设计与分析和模拟,使用几个现实世界的大型社交网络拓扑结构。我们表明,X-Vine的约束允许每个攻击边缘只插入对数数量的Sybil身份;我们表明,这减轻了恶意攻击的影响,同时不影响诚实节点的性能。此外,我们的算法是有效的,保持低拉伸,并避免在网络中的热点。我们用PlanetLab实现和Facebook插件验证我们的设计。
2011-09-05 cs.CR
Byzantine-Robust Federated Learning: An Overview With Focus on Developing Sybil-based Attacks to Backdoor Augmented Secure Aggregation Protocols
本文综述拜占庭鲁棒联邦学习的现有方法并分类,深入分析RoFL协议的优缺点,提出两种利用其漏洞的新型Sybil攻击,给出攻击实现细节与未来测试及框架改进方向。
2024-10-30 cs.CR cs.LG
SybilControl: Practical Sybil Defense with Computational Puzzles
许多分布式系统都受到Sybil攻击,其中对手通过模拟多个不同节点的行为来破坏系统操作。解决这个问题的最新工作利用社交网络来建立用户之间的信任关系。然而,社交网络的使用并不适合所有系统,因为它们可以被社会工程技术颠覆,需要P2P网络中的节点来维护和意识到社交网络信息,并且可能需要对社交链接的快速混合性质过于乐观的假设。本文探讨了另一种方法。我们提出了SybilControl,一种新的,分散的计划,用于控制Sybil攻击的程度。SybilControl是分布式系统中节点的准入控制机制,要求它们定期解决计算难题。SybilControl包括一个分布式协议,允许节点集体验证其他节点的计算工作,以及防止不执行计算工作的行为不端节点的恶意影响的机制。我们调查的实际问题,涉及到现有的DHT部署SybilControl,特别是弹性查找协议。我们通过模拟评估SybilControl,发现SybilControl保留低开销和延迟。此外,即使对手控制了20%的系统计算资源,启用SybilControl的DHT也可以配置为使用低通信开销将查找性能保持在99%以上的成功率。
2012-01-13 cs.CR cs.NI
Seeing is Believing: Detecting Sybil Attack in FANET by Matching Visual and Auditory Domains
针对FANET中女巫攻击检测仅依赖不可信听觉域信息的问题,提出VA-matching方案,通过相对熵、动态权重算法和吸血蝙蝠优化器匹配视觉域与听觉域邻居特征,显著提升了检测精确率、召回率及鲁棒性。
2023-06-28 cs.CR eess.SP
Towards Sybil Resilience in Decentralized Learning
Delft University of Technology(代尔夫特理工大学)
本文提出SybilWall算法,通过结合抗Sybil聚合函数与概率Gossip机制,提升去中心化学习抵御Sybil中毒攻击的抗性,在多种攻击场景下表现优于现有联邦学习方案。
2023-06-26 cs.CR cs.DC cs.LG
Universe Detectors for Sybil Defense in Ad Hoc Wireless Networks
在未知端口网络(如无线网络)中的Sybil攻击被认为是不可处理的。无线节点不能独立地区分真实节点的全域与攻击者创建的任意不存在的虚构节点的全域。与故障检测器类似,我们建议使用宇宙检测器来帮助节点确定哪个宇宙是真实的。在本文中,我们(i)定义了Sybil攻击下的邻域发现问题的几种变体(ii)提出了一组匹配论域检测器(iii)证明了附加拓扑约束的必要性:节点密度和通信范围; ㈣提出SAND -一种借助适当的宇宙探测器解决这些问题的算法,该解决方案表明,所提出的全域检测器是每个问题可能的最弱检测器。
2008-05-13 cs.CR cs.DC cs.NI
Mitigating Sybils in Federated Learning Poisoning
University of British Columbia(不列颠哥伦比亚大学)
各种领域都需要分布式多方数据上的机器学习(ML)。现有的方法,如联邦学习,收集由一组设备在中央聚合器计算的输出,并运行迭代算法来训练全局共享模型。不幸的是,这种方法容易受到各种攻击,包括模型中毒,这在sybil的存在下变得更糟。在本文中,我们首先评估联邦学习的脆弱性,以sybil为基础的中毒攻击。然后,我们描述了\emph{FoolsGold},一种新的防御这个问题,确定中毒sybils的基础上的客户端更新的多样性,在分布式学习过程中。与以前的工作不同,我们的系统不限制预期的攻击者数量,不需要学习过程之外的辅助信息,并且对客户端及其数据的假设较少。在我们的评估中,我们表明FoolsGold超过了现有最先进的方法来对抗基于sybil的标签翻转和后门中毒攻击的能力。我们的研究结果适用于不同分布的客户端数据,不同的中毒目标,和各种sybil策略。代码可以在:https://github.com/DistributedML/FoolsGold上找到
2020-07-15 cs.CR cs.DC cs.LG
SaFL: Sybil-aware Federated Learning with Application to Face Recognition
Universidad Autonoma de Madrid(马德里自治大学)
针对联邦学习(FL)存在的投毒攻击等安全威胁,提出女巫感知联邦学习方法SaFL,通过时变聚合方案最小化女巫节点影响,以提升FL安全性并可应用于人脸识别。
2024-12-01 cs.CR cs.CV cs.LG
SybilBlind: Detecting Fake Users in Online Social Networks without Manual Labels
检测在线社交网络中的假冒用户(也称为Sybils)是一个基本的安全研究问题。最先进的方法依赖于大量手动标记的用户作为训练集。这些方法受到三个关键限制:1)手动标记大型训练集是耗时且昂贵的,2)它们不能及时检测新的Sybil,以及3)它们容易受到利用训练集信息的Sybil攻击。在这项工作中,我们提出了SybilBlind,一个基于结构的Sybil检测框架,不依赖于手动标记的训练集。SybilBlind在与最先进的基于结构的方法相同的威胁模型下工作。我们使用1)合成Sybils的社交网络和2)真实Sybils的两个Twitter数据集来证明SybilBlind的有效性。例如,SybilBlind在Twitter数据集上实现了0.98的AUC。
2018-06-13 cs.CR cs.SI
Who Watches the Watchmen? A Review of Subjective Approaches for Sybil-resistance in Proof of Personhood Protocols
大多数当前的自我主权身份系统可以被归类为严格客观的,由可信的第三方证明者发布的加密签名声明组成。未能为主观性提供投入是一个核心挑战:无法解决“谁来核查核查者?".相反,这些协议将其合法性外包给其内部结构之外的机制,依赖于传统的集中式机构,如国家身份证发行商和KYC提供商来验证他们持有的声明。这种依赖性被用来保护应用程序免受以前认为在分布式系统中不可能解决的漏洞的影响:Sybil攻击问题,它描述了通过创建许多非法虚拟角色来滥用在线系统的情况。受加密货币和区块链技术进步的启发,最近出现了一种利用主观输入(如投票、担保和解释)的网络协议,以达成一种去中心化的、抗sybil的身份共识。在本文中,我们将概述这些新的本地数字身份验证来源的方法-它们的属性,方法的优点和缺点-并勾勒出未来发展的可能方向。
2020-10-13 cs.CR
Privacy-Preserving Vehicular Announcements Aggregation Scheme Based on Threshold Ring Signature
车载公告是目前车载网络中最有前途的应用,它允许车辆向远处的其他车辆发送有关道路状况的公告信息。由于臭名昭著的sybil攻击,车载公告的可靠性和隐私性的安全要求不容易同时实现。在本文中,我们提出了一种新的隐私保护车辆公告聚合计划。该方案利用消息聚合和交互式门限环签名提供门限认证和灵活的匿名性,允许不确定的不同签名者在不完全可信的环境下共同生成签名。与现有的先攻击后跟踪的方案不同,我们的方案预先防御了sybil攻击。据我们所知,这是第一个隐私保护方案,防止恶意用户提前发动sybil攻击。通过广泛的评估,我们显示的可用性和所提出的方案的效率。
2014-11-13 cs.CR cs.NI
A Survey of P2P Network Security
本文介绍了对等网络安全的回顾。流行的多媒体文件共享,这些网络携带的风险和漏洞有关的数据完整性,间谍软件,广告软件和不需要的文件。进一步的攻击包括伪造、污染、否认、成员和Eclipse攻击、邻居选择攻击、Sybil、DoS和遗漏攻击。我们回顾了一些已经设计的保护机制。
2015-04-06 cs.CR
Interpreting Graph-based Sybil Detection Methods as Low-Pass Filtering
在线社交网络(OSN)受到Sybil攻击的威胁,这些攻击在OSN上创建虚假帐户(也称为Sybils)并将其用于各种恶意活动。因此,Sybil检测是OSN安全的一项基本任务。大多数现有的Sybil检测方法都是基于OSN的图结构,最近已经提出了各种方法。然而,尽管几乎所有的方法都在检测性能和噪声鲁棒性方面进行了实验比较,但仍然缺乏对它们的理论理解。在这项研究中,我们表明,现有的基于图形的Sybil检测方法可以解释在一个统一的框架低通滤波。该框架使我们能够从两个角度对每种方法进行理论上的比较和分析:滤波核性质和移位矩阵的谱。我们的分析表明,每种方法的检测性能取决于如何以及低通滤波可以提取低频分量和去除噪声的高频分量。在此基础上,提出了一种新的Sybil检测方法SybilHeat。在合成图和真实社交网络上的数值实验表明,SybilHeat在具有各种结构特性的图上表现良好。该研究为基于图的Sybil检测奠定了理论基础,并有助于更好地理解Sybil检测方法。
2022-06-22 cs.CR cs.SI
Adversarial Attacks Against Deep Reinforcement Learning Framework in Internet of Vehicles
Department of Electrical and Computer Engineering, National University of Singapore(新加坡国立大学电气与计算机工程系)
机器学习(ML)在广泛的车辆应用中产生了令人难以置信的影响和变革。随着机器学习在车联网(IoV)中的应用不断发展,对抗性威胁及其影响已成为值得探索的重要研究课题。在本文中,我们专注于基于Sybil的对抗性威胁,针对深度强化学习(DRL)辅助的车联网框架,更具体地说,车联网中基于DRL的动态服务放置。我们进行了实验研究,与真实的车辆轨迹,分析不同的攻击场景下的服务延迟和资源拥塞的影响,基于DRL的动态服务放置应用。我们进一步研究了网络中受Sybil攻击的车辆比例的影响。结果表明,性能显着影响Sybil为基础的数据投毒攻击相比,无对手的健康网络的情况下。
2021-09-16 cs.AI cs.CR cs.LG
Time-Dilation Attacks on the Lightning Network
闪电网络(LN)是一个广泛使用的支付渠道网络,可以实现更快,更便宜的比特币交易。在本文中,我们概述了攻击者可以从诚实的LN用户那里窃取资金的三种方式。这些攻击需要通过使受害者与网络隔离并延迟区块交付来延长受害者意识到新区块的时间。虽然我们的重点是LN,时间膨胀攻击可能与任何依赖于及时反应的第二层协议有关。根据我们的测量,目前有可能通过使一个节点遮挡短至2小时来窃取总信道容量。由于信任最小化的比特币轻客户端目前连接到数量非常有限的随机节点,因此只需运行500个Sybil节点,攻击者就可以吃掉47%的新部署的轻客户端(因此可以对它们进行攻击)。至于运行完整节点的受害者,由于它们通常被大型中心或服务提供商使用,攻击者可能会通过窃取其所有可用的流动性来证明更高的Eclipse攻击成本。此外,时间膨胀攻击既不需要访问哈希率,也不需要从受害者那里购买。因此,这类攻击是通过Eclipse攻击窃取资金的一种更实用的方式,而不是之前预期的双重支出。我们认为,简单的检测技术的基础上的慢块到达单独是无效的,实现更复杂的检测是不平凡的。我们认为,反Eclipse/反Sybil措施的组合是至关重要的,以减轻时间膨胀攻击。
2020-06-02 cs.CR
Reinforcement Learning based Cyberattack Model for Adaptive Traffic Signal Controller in Connected Transportation Systems
The University of Alabama(阿拉巴马大学)
在连接的运输系统中,自适应交通信号控制器(ATSC)利用通过无线连接从车辆接收的实时车辆轨迹数据(即,连接的车辆)来调节绿灯时间。然而,这种无线连接的ATSC增加了网络攻击面,并增加了它们对各种网络攻击模式的脆弱性,这些网络攻击模式可以被利用来引起道路网络中的严重拥堵。攻击者可能会获得经济利益,从而为特定道路造成这种拥堵。其中一种模式是“sybil”攻击,攻击者通过生成模仿实际联网车辆遵守道路交通规则的虚假基本安全消息(BSM),在网络中创建虚假车辆。攻击者的最终目标将是通过以使得信号定时和相位变化发生而不标记车辆数量的任何突然变化的速率生成假车辆或“sybil”车辆来阻断路线。由于车辆到达率和ATSC算法的高度非线性和不可预测性,很难找到一个最佳的速度sybil车辆,这将是从不同的方法注入一个交叉口。因此,有必要开发一个智能网络攻击模型来证明这种攻击的存在。在这项研究中,一个基于强化学习的网络攻击模型开发的等待时间为基础的ATSC。具体而言,RL代理被训练以学习sybil车辆注入的最佳速率,从而为一个或多个方法造成拥堵。我们的分析表明,RL代理可以学习创建智能攻击的最佳策略。
2022-10-31 cs.AI cs.CR cs.LG
AetherWeave: Sybil-Resistant Robust Peer Discovery with Stake
Princeton University(普林斯顿大学);The Hebrew University(希伯来大学)
AetherWeave通过质押机制提高P2P网络的抗Sybil能力,同时保障隐私,采用加密承诺方案限制发现请求,并通过链上惩罚机制确保网络鲁棒性。
2026-03-24 cs.CR cs.DC
Detection techniques of selective forwarding attacks in wireless sensor networks: a survey
无线传感器网络由于其在军事和民用领域的广泛应用而成为研究的热点,但由于其采用无线介质进行通信,容易受到安全攻击。针对无线传感器网络的攻击主要有黑洞攻击、Sink Hole攻击、Sybil攻击、选择性转发攻击等。本文主要研究选择性转发攻击。丢弃节点的选择可以是随机的。识别这种攻击非常困难,有时甚至是不可能的。本文列举了近年来不同研究者提出的几种检测技术,并以表格形式对检测技术进行了定性分析
2012-05-22 cs.CR
Implications of Dissemination Strategies on the Security of Distributed Ledgers
本文描述了一个模拟研究的安全攻击分布式账本技术(DLT)。我们特别关注这些系统的底层对等层的攻击,该层负责在所有参与者之间传播包含数据和交易的消息。特别是,我们考虑了Sybil攻击,根据该攻击,恶意节点创建许多Sybil,丢弃来自特定受攻击节点的消息,甚至是来自诚实节点的所有消息。我们的研究表明,选择的特定的传播协议,以及连接的每个对等体的数量,有抵抗这种攻击的影响。
2020-07-30 cs.CR cs.DC cs.NI
Shielding Federated Learning: Robust Aggregation with Adaptive Client Selection
本文提出MAB-RFL方法,通过将客户端选择建模为扩展多臂老虎机问题,自适应选择诚实客户端并识别Sybil与非Sybil恶意更新,有效抵御拜占庭攻击,在多种攻击场景下优于现有防御。
2023-08-07 cs.CR cs.DC
SENATE: A Permissionless Byzantine Consensus Protocol in Wireless Networks
区块链技术通过采用工作量证明(PoW)或其变体,在开放(无许可)去中心化共识方面取得了巨大成功,未经授权的节点无法在其计算能力之外对共识产生不成比例的影响。然而,基于PoW的系统会导致高延迟和低吞吐量,使得它们在处理实时应用时效率低下。另一方面,拜占庭容错(BFT)共识算法具有更好的延迟和吞吐量性能已被采用在封闭(许可)设置,以避免Sybil攻击。在本文中,我们提出了Sybil-proof wirelEss网络coordinAte基于byzanTine consEnsus(SENATE),这是基于传统的BFT共识框架,但工作在开放系统的无线设备,故障节点可能会发动Sybil攻击。正如在立法机构中的参议院中,每个州(区)的参议员配额是恒定的,而与州的人口无关,SENATE中的“参议员”是基于它们的无线网络坐标(WNC)从参与的分布式节点中选择的,其中WNC空间中的每个区具有固定数量的节点。当选的参议员随后参与随后的共识达成过程,并广播结果。因此,SENATE是对Sybil攻击的证明,因为故障节点的别名可能在WNC空间中相邻,因此无法被选出。
2018-03-23 cs.CR cs.CY cs.DC
Byzantine Eventual Consistency and the Fundamental Limits of Peer-to-Peer Databases
Sybil攻击,其中大量的对手控制的节点加入网络,是一个问题,许多对等数据库系统,需要昂贵的对策,如工作量证明。然而,有一类数据库应用程序在设计上对Sybil攻击免疫,因为它们可以容忍任意数量的Byzantine故障节点。在本文中,我们使用一个一致性模型,我们称之为拜占庭最终一致性(BEC)这一类的应用程序的特点。我们介绍了一种算法,保证BEC的基础上拜占庭因果广播,证明其正确性,并在原型实现中表现出接近最佳的性能。
2020-12-01 cs.CR cs.DB cs.DC
Securing Connected Vehicle Applications with an Efficient Dual Cyber-Physical Blockchain Framework
虽然联网汽车(CV)应用有可能彻底改变传统的交通系统,但对它们的网络和物理攻击可能是毁灭性的。在这项工作中,我们提出了一个有效的双重网络物理区块链框架,为CV应用程序建立信任和安全通信。我们的方法结合了区块链技术和车辆的物理传感能力,可以快速响应大规模车辆网络中的攻击,并且资源开销很低。我们探索我们的框架的应用程序,三个CV应用程序,即,高速公路合并、智能交叉口管理和具有路径选择的交通网络。仿真结果证明了我们的基于区块链的框架在防御欺骗攻击,恶意攻击,Sybil和投票攻击方面的有效性。我们还提供了分析,以证明我们的框架的时间效率和低计算,通信和存储开销的实现。
2021-02-15 cs.CR
Secure Transmission in Wireless Sensor Networks Data Using Linear Kolmogorov Watermarking Technique
在无线传感器网络中,不同节点之间的所有通信都是以广播方式发送的。这些网络用于各种应用,包括军事,环境和智能空间。传感器容易受到各种类型的攻击,例如数据修改,数据插入和删除,甚至物理捕获和传感器更换。因此,安全成为无线传感器网络中的重要问题。然而,由于传感器资源受限,因此传统的密集型安全算法并不适合无线传感器网络。这使得基于数据加密的传统安全技术不太适合无线传感器网络。提出了一种用于无线传感器网络安全数据通信的线性Kolmogorov水印技术。我们提供了一个安全分析,以显示所提出的技术对各种类型的攻击的鲁棒性。该技术对数据删除、数据包复制和Sybil攻击具有很强的鲁棒性
2015-01-07 cs.CR
Blockchain security based on cryptography: a review
Hainan University(海南大学)
从密码学角度分析区块链攻击,介绍哈希函数等技术及在区块链中的作用,基于六层架构分析各层攻击并提应对方法,剖析多种攻击原理并设计防御方案,总结核心问题与展望未来发展。
2026-07-07 cs.CR
Too Expensive to Attack: A Joint Defense Framework to Mitigate Distributed Attacks for the Internet of Things Grid
分布式拒绝服务(DDoS)攻击对企业和个人都是有害的,因为我们严重依赖互联网。由于利润可观,黑客青睐DDoS作为攻击服务器、计算机、物联网设备甚至整个互联网的网络安全武器。目前许多检测和缓解解决方案都集中在对抗DDoS的特定技术上,而攻击费用和跨防御者协作没有引起足够的重视。在这种情况下,我们重新审视DDoS攻击和防御的攻击成本和双方的人口,提出了一个联合防御框架,在互联网服务提供商(ISP),企业,个人和第三方组织的网格(物联网网格)中产生更高的攻击费用。同时,防御者的成本在战斗中不会增加太多。攻击费用的飙升阻碍了利润驱动的攻击者有效地发动进一步的攻击。定量评估和实验评估加强了我们的框架的有效性。
2021-04-01 cs.CR
Integrated Key based Strict Friendliness Verification of Neighbors in MANET
提出了一种新的严格合法性验证(SFV)方案,该方案基于由对称节点身份、地理位置和收发双方往返响应时间组成的综合密钥。该密钥动态更新,对每个数据包进行加密和解密,解决虫洞攻击和Sybil攻击。此外,它满足对称密码所需的最小密钥长度,以提供足够的商业安全性。此外,敌人或不友好的节点检测发现显着增加与对称ID的数量较低。本文给出了仿真演示SFV的性能,在动态范围方面使用定向天线的无线电(或节点),和性能的聚合吞吐量,平均端到端延迟和分组投递率。
2012-03-16 cs.CR
Attacking Graph-based Classification via Manipulating the Graph Structure
基于图的分类方法广泛用于安全和隐私分析。基于图的分类方法大致包括集合分类和图神经网络。规避基于图的分类方法使攻击者能够逃避安全分析中的检测,并且可以用作针对推理攻击的隐私防御。现有的对抗性机器学习研究主要集中在非图数据的机器学习上。最近只有少数研究涉及基于图的对抗性分类方法。然而,他们专注于图神经网络方法,而对抗性集体分类在很大程度上尚未探索。我们的目标是在这项工作中弥合这一差距。我们首先提出了一个威胁模型来描述集体分类方法的攻击面。具体来说,我们沿着三个维度来描述攻击者的背景知识:方法的参数、训练数据集和完整的图;攻击者的目标是通过操纵图结构来逃避检测。我们将我们的攻击公式化为基于图的优化问题,解决该问题会产生攻击者需要操纵以实现其攻击目标的边缘。此外,我们提出了几种近似技术来解决优化问题。我们评估我们的攻击,并将其与最近设计的图神经网络攻击进行比较。实验结果表明,该攻击1)能够有效地规避基于图的分类方法; 2)不需要访问真实参数、真实训练数据集和/或完整图; 3)在规避集体分类方法和某些图神经网络方法方面优于现有攻击。我们还应用我们的攻击来逃避使用大规模Twitter数据集的Sybil检测,并应用我们的攻击作为对使用大规模Google+数据集的属性推断攻击的防御。
2019-08-13 cs.CR
How To Mitigate And Defend Against DDoS Attacks In IoT Devices
本文分析了IoT网络中DDoS攻击的性质与影响,提出了包含IPv6 ULA、边缘计算、SDN、蜜罐欺骗和基于机器学习的入侵检测系统等分层缓解策略,以帮助工程师和研究人员实施实用对策保护IoT基础设施。
2025-07-15 cs.CR
Secure ARP and Secure DHCP Protocols to Mitigate Security Attacks
为了使网络计算机相互通信,它们需要知道彼此的IP地址和MAC地址。地址解析协议(ARP)是用来查找映射到特定IP地址的以太网地址的。源计算机广播对以太网地址的请求,最终目标计算机应答。IP到以太网地址的映射稍后将存储在ARP缓存中一段时间,之后重复该过程。由于ARP容易受到ARP中毒攻击,我们建议使其单播,集中和安全,以及DHCP协议的安全设计,以减轻MAC欺骗。详细介绍了安全协议的设计。最后,我们还讨论了一些性能问题,以显示所提出的协议是如何工作的。
2014-10-16 cs.CR
Security Analysis of Distributed Ledgers and Blockchains through Agent-based Simulation
在本文中,我们描述了LUNES-Blockchain,这是一个基于代理的区块链模拟器,它依赖于并行和分布式模拟(PADS)技术来获得高可扩展性。该软件被组织为一个多级模拟器,允许模拟一个虚拟环境,由运行特定分布式账本技术(DLT)协议的许多节点组成,例如比特币或以太坊区块链。该虚拟环境在较低级别的对等(P2P)网络覆盖之上执行,该网络覆盖可以基于不同的拓扑结构并具有给定数量的节点和边缘。不同抽象级别的功能由不同的软件模块以不同的时间粒度单独管理。这允许在需要的地方(以及何时)进行准确的模拟,并增强了模拟性能。使用LUNES-Blockchain,可以模拟DLT上不同类型的攻击。在本文中,我们特别关注P2P层,考虑自私挖掘,51%攻击和Sybil攻击。对于自私挖掘和51%攻击,我们的目标是了解攻击者的哈希率(即区块链网络中处理能力的一般度量)可以影响不当行为的结果。另一方面,在过滤拒绝服务(即Sybil攻击),我们调查在底层P2P网络的传播协议,使系统更有弹性的不同数量的节点,丢弃的消息。结果证实了基于模拟的技术的DLT的安全方面的调查的可行性。
2021-09-17 cs.CR cs.DC cs.MA
SINCon: Mitigate LLM-Generated Malicious Message Injection Attack for Rumor Detection
本文提出SINCon防御机制,通过对比学习使传播树中节点对预测的影响均匀化,从而在保持谣言检测准确率的同时增强对大语言模型恶意消息注入攻击的鲁棒性。
2025-04-07 cs.CR
Replication Attack Mitigations for Static and Mobile WSN
安全性对于许多传感器网络应用是重要的。无线传感器网络(WSN)通常部署在恶劣的环境中作为静态或移动,其中对手可以物理捕获一些节点。一旦节点被捕获,攻击者就收集所有凭证,如密钥和身份等。攻击者可以对其重新编程并复制节点,以便窃听所传输的消息或损害网络的功能。身份盗窃导致两种类型的攻击:克隆和sybil。特别是针对传感器网络的一种有害攻击,其中一个或多个节点非法声称身份为副本,称为节点复制攻击。复制攻击对传感器网络的路由、资源分配、不当行为检测等重要功能具有极大的危害性。本文分析了复制攻击所带来的威胁以及几种检测和防御复制攻击的新技术,并分析了它们在静态和移动传感器网络中的有效性。
2011-03-17 cs.CR cs.DC cs.NI
VRSafe: A Secure Virtual Keyboard to Mitigate Keystroke Inference in Virtual Reality
University of Pittsburgh(匹兹堡大学)
本文提出VRSafe虚拟键盘,通过引入虚假按键提高攻击者推断密码的难度,并设计恶意登录检测器,有效识别未经授权的登录尝试,实验表明其能显著降低键盘推断攻击的准确性。
2026-04-22 cs.CR