TorKameleon: Improving Tor's Censorship Resistance with K-anonymization and Media-based Covert Channels
TorKameleon通过K-anonymization技术分片重路由流量并利用WebRTC隐蔽通道或TLS隧道封装，保护Tor用户免受被动与主动关联攻击，提升抗审查性。
2023-10-19 cs.CR
De-anonymisation attacks on Tor: A Survey
随着越来越多的用户试图保护他们的在线隐私，匿名网络在当今的在线世界中变得越来越流行。Tor是目前最流行的匿名网络，为用户和服务（隐藏服务）提供匿名性。然而，Tor提供的匿名性也被以各种方式滥用。托管非法网站以销售毒品、托管僵尸网络的命令和控制服务器以及分发经审查的内容只是其中的几个例子。因此，包括政府和执法机构在内的各方都对帮助Tor网络去匿名化、破坏其运营并绕过其审查规避机制的攻击感兴趣。在这篇调查论文中，我们回顾了已知的Tor攻击，并确定了Tor用户和隐藏服务的去匿名化技术。我们讨论这些技术，并分析其执行方法的实用性。最后，我们讨论了Tor框架的改进，这些改进有助于防止调查的去匿名化攻击。
2022-01-26 cs.CR
Five Minutes of DDoS Brings down Tor: DDoS Attacks on the Tor Directory Protocol and Mitigations
Purdue University（普渡大学）；Supra Research
本文研究了通过DDoS攻击在五分钟内破坏Tor目录协议的可能性，并提出基于部分同步假设的新协议以增强安全性。
2026-03-23 cs.CR
Securing Tor Tunnels under the Selective-DoS Attack
匿名通信系统容易受到选择性拒绝服务（DoS）攻击。选择性拒绝服务攻击降低了匿名性，因为它们迫使路径多次重建以确保交付，这增加了更多攻击的机会。在本文中，我们提出了一种检测算法，过滤出受损的通信渠道，最广泛使用的匿名网络之一，Tor。我们的检测算法使用两个层次的探测过滤出潜在的受损隧道。我们进行概率分析和广泛的模拟，以显示我们的检测算法的鲁棒性。我们还分析了我们的检测算法的开销，并表明，我们可以实现令人满意的安全保证合理的通信开销（在最坏的情况下，总可用Tor带宽的5%）。真实世界的实验表明，我们的检测算法提供了很好的防御选择性拒绝服务攻击。
2012-12-18 cs.CR cs.NI
RAPTOR: Routing Attacks on Privacy in Tor
Tor网络是一种广泛使用的匿名通信系统。然而，众所周知，Tor容易受到攻击者的攻击，他们可以观察通信路径两端的流量。在本文中，我们表明，之前的攻击只是冰山一角。我们提出了一套新的攻击，称为猛禽，可以由自治系统（AS）发起，以损害用户的匿名性。首先，AS级别的对手可以利用互联网路由的非对称性，以增加在通信两端观察至少一个方向的用户流量的机会。其次，AS级的对手可以利用互联网路由中的自然流失，随着时间的推移，更多的用户可以在BGP路径上。第三，战略对手可以通过BGP劫持（发现使用特定Tor保护节点的用户）和拦截（执行流量分析）来操纵互联网路由。我们通过分析历史BGP数据和Traceroute数据以及对实时Tor网络进行真实攻击来证明Raptor攻击的可行性，同时确保我们不会伤害真实用户。此外，我们概述了两个监测框架的设计，以应对这些攻击：BGP监测检测控制平面的攻击，和Traceroute监测检测数据平面的异常。总体而言，我们的工作激励匿名系统的设计，知道互联网路由的动态。
2015-03-13 cs.CR cs.NI
Identifying and characterizing Sybils in the Tor network
作为一个志愿者运行的分布式匿名网络，Tor很容易受到Sybil攻击。我们对Tor网络中真实世界的Sybil知之甚少，也缺乏实用的工具和方法来揭露Sybil攻击。在这项工作中，我们开发sybilhunter，第一个系统检测Sybil继电器的基础上，他们的外观，如配置和行为，如序列。我们使用sybilhunter的多样化分析技术来分析九年来存档的Tor网络数据，为我们提供了对现实世界攻击者操作的新见解。我们的发现包括各种各样的Sybils，从僵尸网络到学术研究，以及劫持比特币交易的中继。我们的工作表明，现有的Sybil防御不适用于Tor，它提供了对现实世界攻击的洞察，并提供了实用的工具来发现和描述Sybils，使网络对其用户更安全。
2016-02-25 cs.CR
Deep Fingerprinting: Undermining Website Fingerprinting Defenses with Deep Learning
网站指纹识别使本地窃听者能够确定用户正在通过加密连接访问哪些网站。最先进的网站指纹攻击已被证明即使对Tor也有效。最近，已经提出了针对Tor的轻量级网站指纹防御，大大降低了现有的攻击：WTF-PAD和Walkie-Talkie。在这项工作中，我们提出了深度指纹识别（DF），这是一种针对Tor的新网站指纹识别攻击，它利用了一种称为卷积神经网络（CNN）的深度学习，具有复杂的架构设计，我们评估了这种针对WTF-PAD和Walkie-Talkie的攻击。DF攻击在没有防御的情况下对Tor流量的准确率超过98%，优于所有之前的攻击，它也是唯一一种对WTF-PAD有效的攻击，准确率超过90%。对讲机仍然有效，攻击准确率仅为49.7%。在更现实的开放世界环境中，我们的攻击仍然有效，在不设防的流量上具有0.99的精确度和0.94的召回率。在此环境下，对WTF-PAD防御的流量，攻击仍然可以获得0.96的准确率和0.68的召回率。这些发现强调了有效防御这种新攻击的必要性，并且可以在Tor中部署。
2018-08-20 cs.CR
A Comprehensive Survey of Website Fingerprinting Attacks and Defenses in Tor: Advances and Open Challenges
University of South Florida（南佛罗里达大学）
本文综述了Tor网络中网站指纹攻击与防御的最新进展，系统分类了现有研究，探讨了多标签浏览等新兴挑战，为提升隐私保护提供基础。
2026-10-12 cs.CR
Tor is not enough: Coercion in Remote Electronic Voting Systems
目前的电子投票系统在投票阶段需要匿名渠道，以防止胁迫。通常，像Tor这样的低延迟匿名网络用于此目的。在本文中，我们设计了一个监视攻击，允许攻击者监视是否参与选举投票，尽管在投票阶段使用的低延迟网络，从而打破了一个重要部分的无病毒。我们实现了一个模拟进行我们的攻击，并衡量其成功率。
2017-02-09 cs.CR
Bitcoin over Tor isn't a good idea
比特币是一种去中心化的P2P数字货币，其中硬币由一组分布式矿工生成，交易通过点对点网络进行广播。虽然比特币通过鼓励用户拥有任意数量的随机比特币地址来提供一定程度的匿名性（或者说匿名性），但最近的研究表明，这种匿名性水平相当低。这鼓励用户通过Tor等匿名者连接到比特币网络，并激励为流行的移动SPV客户端开发默认的Tor功能。在本文中，我们展示了Tor和比特币的结合为确定性和隐形中间人攻击创建了一个攻击向量。低资源攻击者可以完全控制所有选择使用比特币而不是Tor的用户之间的信息流。特别是，攻击者可以将用户的交易链接在一起，而不管使用的是什么名称，控制哪些比特币区块和交易被中继给用户，并可以延迟或丢弃用户的交易和区块。在与强大的矿工勾结的情况下，双重支出攻击成为可能，并且可以为这些用户创建完全虚拟的比特币现实。此外，我们还展示了攻击者如何对用户进行指纹识别，然后在他们决定直接连接到比特币网络时识别他们并了解他们的IP地址。
2015-01-08 cs.CR
Measuring and mitigating AS-level adversaries against Tor
Tor作为匿名系统的流行使其成为各种攻击的热门目标。我们专注于流量相关攻击，这不再仅仅是学术研究领域，最近披露了NSA和GCHQ积极致力于在实践中实施这些攻击。我们的第一个贡献是一个实证研究，使我们能够获得一个高保真的快照的威胁，在野外的流量相关攻击。我们发现，在Tor创建的所有电路中，高达40%的电路容易受到来自自治系统（AS）级对手的流量关联攻击，42%来自勾结AS级对手，85%来自国家级对手。此外，我们发现，在某些地区（特别是中国和伊朗）存在许多情况下，超过95%的所有可能的电路容易受到相关攻击，强调需要AS感知的中继选择。为了减轻这种攻击的威胁，我们构建了Astoria--一个AS感知的Tor客户端。Astoria利用网络测量的最新发展来执行路径预测和智能中继选择。Astoria将易受攻击的电路数量减少到2%，对抗AS级对手，低于5%，对抗国家级对手。此外，Astoria在整个Tor网络中进行负载平衡，从而不会使任何一组中继过载。
2015-12-26 cs.CR
Spoiled Onions: Exposing Malicious Tor Exit Relays
数百个Tor出口中继一起推送超过1 GiB/s的网络流量。然而，出口中继很容易窥探和篡改匿名的网络流量，并且由于所有中继都由独立的志愿者运行，因此并非所有中继都是无害的。在本文中，我们试图揭露恶意出口继电器和文件的行动。首先，我们在开发了一个快速和模块化的出口中继扫描器后监控了Tor网络。我们实现了几个扫描模块来检测常见的攻击，并使用它们在四个月的时间内探测所有出口中继。我们发现了许多恶意退出中继参与不同的攻击。为了减少用户暴露的攻击面，我们进一步讨论了浏览器扩展补丁的设计和实现，该补丁通过独立的Tor电路获取和比较可疑的X.509证书。我们的工作使得持续监控Tor出口继电器成为可能。我们能够检测和阻止许多中间人攻击，使网络对其用户更安全。我们所有的代码都是在免费许可证下提供的。
2014-01-20 cs.CR
Mockingbird: Defending Against Deep-Learning-Based Website Fingerprinting Attacks with Adversarial Traces
Anomali Inc.（Anomali公司）；Global Cybersecurity Institute, Rochester Institute of Technology（罗切斯特理工学院全球网络安全研究所）
网站指纹（WF）是一种流量分析攻击，使本地被动窃听者能够推断受害者的活动，即使流量受到VPN或Tor等匿名系统的保护。利用深度学习分类器，WF攻击者可以在Tor流量上获得超过98%的准确率。在本文中，我们探索了一种新的防御方法Mockingbird，它基于对抗性示例的思想，这些示例已被证明会破坏其他领域的机器学习分类器。由于攻击者得到设计和训练他的攻击分类器的基础上的防御，我们首先证明，在一个简单的技术生成对抗性的例子为基础的痕迹无法防止攻击者使用对抗性训练的强大的分类。然后，我们提出了Mockingbird，一种用于生成轨迹的技术，通过在可行轨迹的空间中随机移动而不是遵循更可预测的梯度来抵抗对抗性训练。该技术将对抗训练强化的最先进攻击的准确性从98%降低到42-58%，同时仅产生58%的带宽开销。攻击准确性通常低于最先进的防御，并且在考虑Top-2准确性时要低得多，同时产生较低的带宽开销。
2020-10-28 cs.CR cs.LG
A traffic analysis attack against Introduction Protocol and Onion Services
University of Cyprus（塞浦路斯大学）；CYENS - Centre of Excellence, Cyprus（塞浦路斯卓越中心）
本文提出一种针对Tor引入电路的流量分析攻击，通过多次交互确定路径中的每个中继节点，揭示了Tor隐私模型的漏洞。
2026-09-28 cs.CR
Neural-FacTOR: Neural Representation Learning for Website Fingerprinting Attack over TOR Anonymity
Huazhong University of Science and Technology（华中科技大学）
TOR（The Onion Router）网络是一种被广泛使用的开源匿名通信工具，TOR的滥用使得监控网络犯罪的扩散变得困难，如访问犯罪网站。大多数现有的TOR网络去匿名化方法严重依赖于手动提取的特征，导致耗时且性能差。针对上述不足，提出一种基于分类算法的神经表示学习方法来识别网站指纹。基于卷积神经网络（CNN），通过伸缩和因果卷积，构建了一种新的网站指纹攻击模型，该模型既能提高CNN的感知域，又能捕捉到输入数据的序列特征。在三个主流公开数据集上的实验表明，该模型对网站指纹分类具有鲁棒性和有效性，与现有方法相比，准确率提高了12.21%。
2022-09-26 cs.AI cs.CR
TORCHLIGHT: Shedding LIGHT on Real-World Attacks on Cloudless IoT Devices Concealed within the Tor Network
本研究开发了TORCHLIGHT工具，通过分析Tor流量检测针对无云IoT设备的威胁，12个月内分析26TB流量，揭示45个漏洞（含29个零日漏洞），影响148国约1271万台设备。
2025-01-28 cs.CR
Towards an Autonomous System Monitor for Mitigating Correlation Attacks in the Tor Network
在仔细考虑了Tor的可扩展性问题并详尽评估了AS级对手的相关工作后，作者提出了ASmoniTor，这是一个自治的系统监视器，用于减轻Tor网络中的相关攻击。与以前的作品相比，它经常发布离线数据包，包括修改的Tor客户端的源代码和互联网拓扑的快照，ASmoniTor是一个在线系统，可以帮助最终用户以近乎实时的方式减轻AS级对手的威胁。对于之前工作中提出的Tor客户端，用户需要在其机器上编译源代码并不断更新互联网拓扑的快照，以便获得准确的AS路径推断。相反，ASmoniTor是一个在线平台，不仅技术用户可以轻松使用，而且没有技术背景的用户也可以轻松使用，因为他们只需要通过Tor访问它并输入两个参数来执行AS感知的路径选择算法。通过ASmoniTor，作者对Tor网络中对抗AS级对手的研究做出了三项关键技术贡献。首先，ASmoniTor不需要用户启动复杂的源代码编译。其次，它有助于减少错误的AS路径推断，让用户输入一组可疑的AS直接从自己的跟踪路由测量。第三，ASmoniTor后端的互联网拓扑数据库会定期更新，以确保Tor出口节点和最有可能访问的网站之间的近实时AS路径推断。最后，除了方便之外，ASmoniTor还让用户完全控制他们想要输入的信息，从而保护他们的隐私。
2016-10-06 cs.CR
Mitigating Censorship with Multi-Circuit Tor and Linear Network Coding
匿名网络正在提供实用的机制，通过隐藏用户的身份和信息内容来保护用户免受审查。然而，最著名的匿名网络洋葱路由（Tor）网络，通过阻止公共Tor入口路由器和一些秘密Tor入口点（网桥），从而阻止用户访问Tor，从而受到审查攻击。为了进一步推进匿名网络的发展，同时解决审查攻击，我们建议用线性网络编码（LNC）增强著名的多电路Tor技术，并分析由此产生的审查成功。实验结果表明，LNC可以提高Tor对审查的鲁棒性.
2019-07-08 cs.CR
Stealthy Traffic Analysis of Low-Latency Anonymous Communication Using Throughput Fingerprinting
像Tor这样的匿名系统旨在使用户能够以一种无法被控制少量机器的对手追踪的方式进行通信。为了向用户提供高效的服务，这些匿名系统在中间中继之间发送业务时充分利用转发能力。在本文中，我们证明了这样做会泄露电路（路径）中Tor继电器集合的信息。我们提出的攻击具有高置信度，并且仅基于吞吐量信息，可以（a）减少攻击者对吞吐量可以观察到的任何Tor电路的瓶颈中继的不确定性，（b）当可以在多个连接上观察到电路吞吐量时，准确识别Tor用户的保护中继，以及（c）识别两个并发TCP连接是否属于同一个Tor用户，打破不可链接性。我们的攻击是隐形的，用户或Tor中继无法轻易检测到。我们使用Tor网络上的实验来验证我们的攻击。我们发现，攻击者可以大大减少Tor电路的瓶颈中继分布的熵，其吞吐量可以增加-在中值情况下，熵减少了2倍。来自单个Tor电路的此类信息泄漏可以通过多个连接进行组合，以准确识别用户的保护继电器。最后，我们还能够在5分钟内以低于1.5%的交叉出错率链接来自同一发起方的两个连接。我们的攻击也更准确，比以前对Tor的攻击需要更少的资源。
2011-11-22 cs.CR cs.NI
Waterfiling: Balancing the Tor network with maximum diversity
我们提出了注水电路选择方法，我们设计，以减轻成功的端到端流量相关攻击的风险。注水通过在用户路径的端点上尽可能均匀地平衡Tor网络负载来进行。我们通过鱼雷和阴影工具模拟了注水的使用。应用几个安全指标，我们表明，采用注水大大增加了节点的数量，对手需要控制，以便能够安装一个成功的攻击，同时在一定程度上减少了这样做所需的最小带宽。此外，我们评估了Waterfilling到Shadow中，并表明它不会显著影响网络的性能。此外，Waterfilling减少了攻击者可以通过入侵顶级带宽Tor中继获得的好处，从而限制了此类中继带来的风险。
2016-11-30 cs.CR
Discovering Command and Control (C2) Channels on Tor and Public Networks Using Reinforcement Learning
Deloitte & Touche LLP（德勤全球有限公司）；National Security Institute, Virginia Tech（弗吉尼亚理工大学国家安全研究所）
针对网络攻击中C2信道识别依赖人工、门槛高的问题，提出基于强化学习的方法，在公共网与Tor网中模拟攻击，可自动发现能绕过防火墙的多信道韧性C2攻击路径。
2024-02-14 cs.AI cs.CR
Early-MFC: Enhanced Flow Correlation Attacks on Tor via Multi-view Triplet Networks with Early Network Traffic
针对早期网络流量下流关联攻击研究有限、现有技术难以直接应用的问题，提出基于多视角三元组网络的Early-MFC方法，还提出适配超早期场景的Early-MFC+，实现高精度稳健的Tor流关联攻击。
2025-03-21 cs.CR
Towards Effective and Efficient Padding Machines for Tor
Tor最近集成了一个用于创建填充机的电路填充框架：通过定义注入虚拟流量的状态机来防止流量分析攻击，如网站指纹（WF）攻击。在本文中，我们将探讨设计有效和高效的填充机，以抵御WF攻击。通过使用精心制作的数据集，电路填充模拟器，遗传编程，和填充机的手动调整，我们探索了不同的方面是什么使填充机有效和高效的防御。我们的最后一台机器名为Interspace，它是概率定义的，在效率和有效性之间进行了可调整的权衡，以对抗Sirinam等人的最先进的深度学习WF攻击Deep Fingerprinting。我们证明了Interspace可以比Juarez等人的WTF-PAD更有效和高效。填充机启发了Tor的电路填充框架的设计。最后，我们展示了Interspace如何变得不那么有效，确定了概率定义的填充机的有前途的策略，并强调了在更复杂的防御中进一步探索这种策略的必要性。
2020-11-26 cs.CR
A Measurement of Genuine Tor Traces for Realistic Website Fingerprinting
U.S. Naval Research Laboratory（美国海军研究实验室）；Georgetown University（乔治城大学）
本文提出GTT23，首个真实Tor跟踪数据集，用于改进网站指纹识别研究和防御。
2026-01-21 cs.CR
On the Effectiveness of NetFlow-Based Deanonymization of Tor Onion Services (Extended Version)
KAIST（韩国科学技术院）；University of Virginia（弗吉尼亚大学）
该研究针对Tor洋葱服务，提出利用粗粒度NetFlow遥测数据的主动、被动去匿名化攻击，通过实验证明其有效性，呼吁设计防御泄露服务负载信息的信号。
2026-10-14 cs.CR
Holding all the ASes: Identifying and Circumventing the Pitfalls of AS-aware Tor Client Design
当攻击者能够观察进入和退出Tor网络的流量时，可以进行流量关联攻击来对Tor用户进行去匿名化。最近的工作已经引起了人们对网络级对手（例如，自治系统）。我们进行了历史分析，以了解AS级流量关联攻击的威胁在过去五年中是如何演变的。我们发现，尽管Tor网络中增加了大量新的中继，但威胁仍然在增加。这表明除了Tor网络的容量之外，增加AS级多样性的重要性。我们识别并详细阐述了AS感知Tor客户端设计和构建的常见陷阱。我们发现，屈服于这些陷阱会对AS感知的Tor客户端的三个主要方面产生负面影响-（1）针对AS级对手的安全性，（2）针对中继级对手的安全性，以及（3）性能。最后，我们提出并评估了一个Tor客户端- Cipollino -它使用最先进的网络测量来避免这些陷阱。我们的评估表明，Cipollino能够实现更好的安全性，同时保持对中继级对手的安全性，
2016-05-11 cs.CR
Reality Check for Tor Website Fingerprinting in the Open World
Simon Fraser University（西蒙菲莎大学）
本研究通过实测数据和合成轨迹构建开放世界背景，评估了网站指纹识别在真实Tor网络中的有效性，发现其在高精度和召回率下仍表现优异，并展示了对网络波动和流量分割的鲁棒性。
2026-03-08 cs.CR
DNS-Morph: UDP-Based Bootstrapping Protocol For Tor
Tor是网络上最受欢迎的匿名通信和审查规避系统之一，目前每天有数百万用户使用。这使得Tor成为组织和政府机构的攻击目标，这些组织和政府机构的目标是阻止用户连接到Tor。这些攻击包括对Tor流量进行分类的深度数据包检测（DPI）以及暴露Tor网桥的合法Tor客户端模拟（主动探测）。作为对Tor阻塞尝试的回应，Tor社区开发了可插入传输（PT），这是一种改变Tor流量外观的工具。在本文中，我们介绍了一种新的方法，旨在提高PT的抵抗主动探测攻击，以及白名单审查通过分区的PT从其加密通信的握手。因此，允许混合不同的PT，例如，ScrambleSuit用于握手，FTE用于流量本身。我们声称这种分离降低了标记Tor相关通信的可能性。为了说明我们的主张，我们介绍DNS-Morph：一种通过模仿DNS查询和响应序列来转换PT握手数据的新方法。使用DNS-Morph，Tor客户端充当DNS客户端，将DNS查询发送到Tor网桥，并从其接收DNS响应。我们使用其中一个PT（ScrambleSuit）实现并成功测试了DNS-Morph，并验证了其功能。
2019-04-02 cs.CR
Measuring Information Leakage in Website Fingerprinting Attacks and Defenses
Tor提供针对本地或网络对手的低延迟匿名和未经审查的网络访问。由于设计选择最小化流量开销（并增加潜在用户池），Tor允许泄漏有关客户端连接的一些信息。使用这些信息（从中提取的特征）来推断用户访问的网站的攻击称为网站指纹（WF）攻击。我们开发了一种方法和工具来衡量网站泄露信息的数量。我们将此工具应用于从大量网站和WF防御机制中提取的一组全面的特征，使我们能够对WF攻击和防御进行更细粒度的观察。
2019-06-05 cs.CR
How Unique is Your .onion? An Analysis of the Fingerprintability of Tor Onion Services
最近的研究表明，Tor洋葱（隐藏）服务网站由于其数量有限和敏感性，特别容易受到网站指纹攻击。在这项工作中，我们提出了洋葱网站指纹识别能力的多层次特征分析，考虑了三种最先进的网站指纹识别方法和482个Tor洋葱服务，使其成为迄今为止在洋葱服务上完成的最大的此类分析。先前的研究通常报告给定网站指纹识别方法或对策的平均性能结果。我们调查哪些网站或多或少容易受到指纹识别，以及哪些功能使它们如此。我们发现，这些攻击对网站进行分类（和错误分类）的比率存在很大的差异，这意味着平均性能数据可能无法提供网站指纹攻击对特定网站造成的风险信息。我们分析了不同的网站指纹识别方法所利用的功能，并讨论了是什么使洋葱服务网站或多或少容易识别，无论是在他们的流量跟踪以及他们的网页设计。我们研究错误分类，以了解如何重新设计洋葱服务网站，使其不那么容易受到网站指纹攻击。我们的研究结果还通知网站指纹对策的设计和他们的评估考虑不同的网站之间的影响。
2017-09-20 cs.CR
The Cost of Stability: Deanonymizing Onion Services Long-Lived Introduction Circuits
KU Leuven（荷语鲁汶大学）
本文针对Tor洋葱服务长期固定的引入电路，提出交集攻击，通过逐个观察中继识别服务位置，实验显示中位2.2小时可重建完整电路，并提出定期重建电路的缓解机制。
2026-09-29 cs.CR
ParTEETor: A System for Partial Deployments of TEEs within Tor
本文提出 ParTEETor 系统，通过部分部署 TEE 并设计非策略与策略两种中继选择模式，在不显著影响性能和隐私的前提下，有效防御 Tor 网络中的去匿名化攻击。
2024-08-26 cs.CR
Padding-only defenses add delay in Tor
网站指纹是一种攻击，它使用加密下载的大小和时间特征来识别目标网站。由于这可能会破坏Tor等匿名网络的隐私目标，因此文献中提出了许多在Tor中防御这种攻击的算法。这些算法通常由注入虚拟“填充”分组与实际分组的延迟的某种组合组成，以破坏定时模式。出于可用性的原因，Tor旨在提供低延迟;因此，许多作者专注于padding-only防御，认为它们是“零延迟”。我们通过Shadow模拟证明，通过增加队列长度，仅填充防御在部署到网络范围时会增加延迟，因此不应将其视为“零延迟”。“我们进一步认为，未来的防御也应该使用网络范围的部署模拟进行评估，
2022-08-04 cs.CR
Onions in the Crosshairs: When The Man really is out to get you
我们介绍并调查有选择性地攻击Tor或其他安全通信网络用户的目标对手。我们认为，这些对手的攻击对那些最依赖Tor保护的人来说，比之前对Tor安全性的分析中的攻击更现实，也更严重。以前的研究和Tor设计决策都集中在防范那些对网络的任何用户都同样感兴趣的对手。我们的对手有选择地瞄准用户-例如，那些访问特定网站或在特定私人频道上聊天的人-基本上忽略了除此之外的Tor用户。我们提出了一个这样的对手模型，并调查了三个特定用户可能成为目标的例子：一个阴谋集团使用MTor（一种已发布的Tor多播协议）进行会议;一个阴谋集团在一个私人IRC频道上举行会议;以及用户访问一个特定的.onion网站。一般来说，对于我们的对手来说，妥协要快得多，并提供更多的反馈和适应的可能性比以前的工作中检查的攻击。我们还讨论了基于网站活动在用户之间的分布来选择针对其用户的网站。我们描述的对手都试图了解一个阴谋集团会议的规模在线或一组足够活跃的访问者到一个目标网站，并试图确定每个目标用户的警卫。我们比较了针对性对手与以前考虑的对手的威胁，我们简要概述了可能的对策，以抵御针对性对手。
2017-06-30 cs.CR
Examining the Rat in the Tunnel: Interpretable Multi-Label Classification of Tor-based Malware
University of New South Wales（新南威尔士大学）；Cyber Security Cooperative Research Centre (CSCRC)（网络安全合作研究中心）；Qatar Computing Research Institute（卡塔尔计算研究所）
本文提出基于消息传递神经网络的多标签分类方法，有效识别Tor恶意流量，性能显著提升，并利用可解释AI解释决策，评估对抗鲁棒性。
2024-09-25 cs.CR cs.LG
Chameleon: Robust Defense Against Tor Website Fingerprinting via Many-to-Many Traffic Morphing
Bellini College of Artificial Intelligence, Cybersecurity and Computing, University of South Florida（南佛罗里达大学贝利尼人工智能、网络安全与计算学院）；Department of Electrical and Computer Engineering, University of South Florida（南佛罗里达大学电气与计算机工程系）
Chameleon是一种基于多对多流量变形的Tor网站指纹鲁棒防御，可降低多种攻击的准确率，同时减少带宽和时间开销，在实际部署中表现优异。
2026-08-21 cs.CR cs.CY
RPKI-Based Location-Unaware Tor Guard Relay Selection Algorithms
针对位置感知 Tor 守卫选择易泄露位置并遭受放置攻击的问题，本文利用 RPKI 提出基于 ROA 的轻量 Discount Selection 和融合 ROA、ROV 的 Matching Selection，以低开销提升路由攻击防御能力。
2025-01-10 cs.CR cs.NI
Attacks on Onion Discovery and Remedies via Self-Authenticating Traditional Addresses
洋葱地址编码自己的公钥。因此，它们是自我认证的，这是洋葱服务的安全和隐私优势之一，通常通过Tor浏览器访问。由于洋葱地址的外观大多是随机的，因此已经创建了许多洋葱发现机制，以允许路由到与更有意义的URL相关联的洋葱地址，例如注册的域名。我们描述了Tor浏览器最近引入的洋葱发现机制所产生的新漏洞，这些机制有助于劫持和跟踪用户连接。我们还回顾了以前已知的劫持和跟踪漏洞，这些漏洞是由使用替代服务产生的，如果替代服务位于洋葱地址，则这些替代服务会被促进并变得更难检测。自认证传统地址（SATA）是有效的DNS地址或URL，也包含对洋葱公钥的承诺。我们描述了如何在洋葱发现中使用SATA来应对这些漏洞。SATA还通过促进不通过Tor网络连接到服务的浏览器的自我认证访问来扩展洋葱发现的价值。
2021-10-07 cs.CR
MUFFLER: Secure Tor Traffic Obfuscation with Dynamic Connection Shuffling and Splitting
KAIST（韩国科学技术院）；Chonnam National University（全南国立大学）；Kwangwoon University（光云大学）
针对Tor出口流量易受关联攻击的问题，提出MUFFLER系统，通过动态连接映射与实时调整，在不增加填充开销下实现低开销混淆，显著降低攻击成功率并兼容现有架构。
2025-04-12 cs.CR cs.NI
New Approaches to Website Fingerprinting Defenses
网站指纹攻击使攻击者能够推断受害者正在访问哪个网站，即使受害者使用加密代理，如Tor。以前的工作表明，所有针对网站指纹攻击的防御措施都是无效的。本文从两个方面对网站指纹攻击和防御进行了研究。首先，我们开发的安全性和带宽开销之间的权衡界限，任何指纹防御方案可以实现。这使我们能够通过比较它们与下限的接近程度来比较具有不同安全性/开销权衡的方案。然后，我们改进，实现和评估Cai等人概述的拥塞敏感BuFLO方案CS-BuFLO，该方案基于Dyer等人提出的可证明安全的BuFLO防御，Cai等人没有完全指定，但仍然引起了Tor开发人员的注意。我们的实验发现，CS-BuFLO具有较高的开销（约2.3- 2.8倍），但可以比Tor或普通SSH更接近6倍的带宽/安全权衡下限。
2014-01-23 cs.CR
VaulTor: Putting the TEE in Tor
本文提出 VaulTor 架构，通过激励志愿者在可信执行环境（TEE）中代为托管 Tor 隐藏服务的应用内容，降低原服务提供者的在线时间要求，从而显著降低去匿名化攻击风险，且性能损失仅为 2.6-5.5%。
2024-12-20 cs.CR cs.NI
Var-CNN: A Data-Efficient Website Fingerprinting Attack Based on Deep Learning
MIT PRIMES（麻省理工学院PRIMES）；MIT（麻省理工学院）
近年来，已经有几项工作使用网站指纹技术，使本地对手能够确定Tor用户访问的网站。虽然使用深度学习的当前最先进的攻击在中等到大量数据的情况下优于现有技术，但是当两者都使用少量训练数据时，它获得了微小的准确性改进。在这项工作中，我们提出了Var-CNN，这是一种利用深度学习技术以及特定于数据包序列分类的新见解的网站指纹攻击。在具有大量数据的开放世界环境中，Var-CNN在$1\%$上获得了比最先进的攻击更高的真阳性率（TPR），同时获得了$4\times$更低的假阳性率（FPR）。Var-CNN的改进在低数据场景中尤其显著，其中它将现有技术的FPR降低了$3.12\%$，同时将TPR增加了$13\%$。总的来说，用于开发Var-CNN的见解可以应用于未来基于深度学习的攻击，并大大减少执行成功的网站指纹攻击所需的训练数据量。这缩短了数据汇集所需的时间，并降低了出现数据过期问题的可能性。
2019-07-23 cs.CR cs.LG
Techreport: Evaluating Tor-based Location Privacy for Ethereum Validators
Institute of Free Technology（自由技术研究所）
通过 Tor push 协议在 Nimbus 客户端中实现验证者身份与 IP 解耦，实验表明平均延迟增加 613.82 ms 且不降低网络性能。
2026-05-27 cs.CR
Realistic Website Fingerprinting By Augmenting Network Trace
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
本文针对网站指纹识别攻击在真实网络条件下实用性不足的问题，提出网络轨迹增强技术 NetAugment，并通过半监督与自监督学习实例化，显著提升了 WF 攻击在未观测网络条件下的准确率。
2023-09-18 cs.CR cs.LG
Automated Website Fingerprinting through Deep Learning
imec-DistriNet, KU Leuven（imec-DistriNet，鲁汶大学）；imec-COSIC, ESAT, KU Leuven（imec-COSIC，ESAT，鲁汶大学）
一些研究表明，通过Tor访问网站所产生的网络流量通过网络数据包的时间和大小揭示了网站特定的信息。通过捕获用户和他们的Tor入口防护之间的流量跟踪，网络窃听者可以利用这些元数据来揭示Tor用户正在访问的网站。这种攻击的成功在很大程度上取决于用于构建指纹的特定流量特征集。通常，这些功能是手动设计的，因此，任何引入Tor网络的更改都可能使这些精心构建的功能无效。在本文中，我们证明了对手可以自动化特征工程过程，从而通过应用我们基于深度学习的新方法自动对Tor流量进行去匿名化。我们收集了一个由超过300万个网络痕迹组成的数据集，这是有史以来用于网站指纹识别的最大的网络流量数据集，并发现我们的深度学习方法所实现的性能与已知方法相当，这些方法包括多年来的各种研究工作。对于100个网站的封闭世界，获得的成功率超过96%，对于我们最大的900个类的封闭世界，获得的成功率超过94%。在我们的开放世界评估中，性能最好的深度学习模型比最先进的攻击准确率高2%。此外，我们表明，通过我们的方法自动学习的隐式特征对网络内容随时间的动态变化更具弹性。我们的结论是，自动构建最相关的流量特征并执行准确的流量识别的能力使我们基于深度学习的方法成为一种高效，灵活和强大的网站指纹技术。
2017-12-05 cs.CR cs.LG
Unveiling the Digital Fingerprints: Analysis of Internet attacks based on website fingerprints
本文利用网站指纹和多种机器学习算法对 Tor 流量进行去匿名化攻击分析，实验表明 Gradient Boosting Machine 在二分类中准确率达 0.8363，Random Forest 在多分类中准确率达 0.6297。
2024-09-01 cs.CR
Stealthy and Efficient Adversarial Attacks against Deep Reinforcement Learning
Nanyang Technological University（南洋理工大学）；Kyushu University（九州大学）
针对传统深度学习（DL）系统和算法的对抗攻击已经被广泛研究，并且提出了各种防御。然而，针对深度强化学习（DRL）的此类攻击的可能性和可行性较少探索。由于DRL在各种复杂任务中取得了巨大的成功，设计有效的对抗攻击是构建鲁棒的DRL算法不可或缺的前提。在本文中，我们介绍了两种新的对抗攻击技术\emph{stealthily}和\emph{efficiently}攻击DRL代理。这两种技术使对手能够在最小的关键时刻注入对抗样本，同时对代理造成最严重的损害。第一种技术是\emph{critical point attack}：对手建立一个模型来预测未来的环境状态和代理的行动，评估每种可能的攻击策略的损害，并选择最佳的。第二种技术是\emph{antagonist attack}：对手自动学习一个领域不可知的模型，以发现在一个事件中攻击代理的关键时刻。实验结果证明了我们的技术的有效性。具体来说，为了成功攻击DRL代理，我们的临界点技术只需要1个（TORCS）或2个（Atari Pong和Breakout）步骤，而拮抗剂技术需要不到5个步骤（4个Mujoco任务），这是对最先进方法的重大改进。
2020-05-14 cs.AI cs.CR cs.LG
Automated Stealthy Wear-Out Attack on Digital Twins With Deep Reinforcement Learning
Department of Computer Science, University of Sheffield（谢菲尔德大学计算机系）
研究利用深度强化学习对数字孪生进行隐身磨损攻击，通过操纵控制信号加速特定关节磨损并躲避检测。测试多种算法发现SAC性能最佳，在工业环境中用UR10e机器人手臂评估，证明攻击有效，强调了该攻击对数字孪生环境的风险及防御需求。
2026-07-14 cs.CR
Wolf in Sheep's Clothing - The Downscaling Attack Against Deep Learning Applications
Qihoo 360 Security Research Lab（奇虎360安全研究实验室）；University of Georgia（佐治亚大学）；University of Florida（佛罗里达大学）
本文考虑了常见深度学习应用程序中数据处理管道中隐藏的安全风险。深度学习模型通常假设其训练和输入数据的比例是固定的。为了允许深度学习应用程序处理各种输入数据，流行的框架，如Caffe，TensorFlow和Torch，都提供了数据缩放功能，以调整输入到深度学习模型使用的维度。图像缩放算法旨在保留缩放后图像的视觉特征。然而，常见的图像缩放算法并不是设计来处理人工制作的图像的。攻击者可以使缩放输出看起来与相应的输入图像截然不同。本文提出了一种针对深度学习应用中数据缩放过程的降尺度攻击。通过精心制作与深度学习模型使用的维度不匹配的输入数据，攻击者可以创造欺骗效果。深度学习应用程序有效地消耗与呈现给用户的数据不同的数据。视觉上的不一致性使实际的规避和数据投毒攻击深度学习应用程序。本文介绍了流行的基于深度学习的图像分类应用的概念验证攻击示例。为了解决降级攻击，本文还提出了多种潜在的缓解策略。
2017-12-21 cs.CR cs.CV cs.LG
Tik-Tok: The Utility of Packet Timing in Website Fingerprinting Attacks
被动的本地窃听者可以利用网站指纹（WF）来对Tor用户的Web浏览活动进行去匿名化。在最近的研究中，由于低层次时序信息的波动性，时序信息对WF的价值常常被低估。在本文中，我们更仔细地研究在何种程度上可以使用数据包定时，以促进WF攻击。我们首先提出了一套新的定时相关的功能，基于突发级的特点，以进一步确定更多的方式，定时模式可以使用分类器来识别网站。然后，我们评估了原始定时和定向定时的有效性，定向定时是基于深度学习的WF攻击中原始定时和方向的组合。我们的封闭世界评估表明，定向计时在我们探索的大多数设置中表现最好，达到：（i）在无防御的Tor流量中达到98.4%;（ii）在WTF-PAD流量中达到93.5%，比只使用方向信息时高出几个点;（iii）在洋葱网站中达到64.7%，比只使用方向高出12%。在开放世界环境中的进一步评估显示，在WTF-PAD流量上，方向定时的精确度（+2%）和召回率（+6%）都有小幅提高。为了进一步研究时间信息的价值，我们对我们提出的手工制作的功能进行了信息泄漏分析。我们的研究结果表明，虽然时间特征比方向特征泄漏更少的信息，但每个特征中包含的信息是相互排斥的，因此可以提高分类器的鲁棒性。
2020-03-16 cs.CR
DeTorrent: An Adversarial Padding-only Traffic Analysis Defense
DeTorrent 利用竞争神经网络生成并评估插入虚拟流量的对抗性填充防御，在中等开销下显著降低网站指纹识别和流关联攻击效果，并在 Tor 实时流量中验证了实用性。
2023-09-22 cs.CR
k-fingerprinting: a Robust Scalable Website Fingerprinting Technique
网站指纹使攻击者能够通过加密或匿名的网络连接推断客户端正在浏览哪个网页。我们提出了一种新的网站指纹技术的基础上随机决策森林和标准的网页以及Tor隐藏服务的性能进行评估，在更大的规模比以前的作品。我们的技术，k-指纹识别，比目前最先进的攻击，即使对网站指纹防御，我们表明，它是可能的，面对大量的噪声数据，发动一个网站指纹攻击。我们可以正确地确定客户端正在访问的30个受监控的隐藏服务中的哪一个，其真阳性率（TPR）为85%，假阳性率（FPR）低至0.02%，来自100，000个未监控网页的世界大小。我们进一步表明，出错率在Web资源之间的差异很大，因此可以预见，某些使用模式将比其他模式更容易受到攻击。
2016-02-19 cs.CR
Preventing Attacks on Anonymous Data Collection
匿名数据汇集系统允许用户贡献构建服务和应用程序所需的数据，同时保护他们的隐私。然而，恶意代理可能会滥用匿名性，目的是破坏或破坏数据汇集，例如通过注入伪造的数据。在本文中，我们提出了一个有效的机制，以限制攻击者，而不损害隐私和匿名的用户贡献的数据。建议的系统建立在直接匿名证明之上，这是一种经过验证的加密原语。我们描述了一组速率限制规则可以被形式化，以定义一个规范的空间，在该空间中，攻击者发送的消息可以被链接，因此，丢弃。我们提出了在现有的数据汇集系统上构建和部署这种保护所需的所有组件，开销很小。经验评估产生的性能高达125和140消息每秒分别为中继器和收集器上的标称硬件。当使用Tor作为网络层时，通信延迟在第95个百分位数中被限制为4秒。
2018-12-19 cs.CR cs.CY
A Hard-Label Black-Box Evasion Attack against ML-based Malicious Traffic Detection Systems
Tsinghua University（清华大学）；Beijing Institute of Technology（北京理工大学）；Zhongguancun Lab（中关村实验室）
针对基于机器学习的恶意流量检测系统，提出利用强化学习与预训练模型Traffic-BERT的硬标签黑盒逃逸攻击NetMasquerade，在80种场景下对6种检测方法实现超96.65%成功率。
2025-10-16 cs.CR
