SSH匿名網(wǎng)絡(luò)網(wǎng)站指紋攻擊方法

賴琦

摘要：該研究針對SSH匿名網(wǎng)絡(luò)難以追蹤的問題，提出了網(wǎng)站指紋攻擊方法，就網(wǎng)站的時間行為對攻擊的影響亟待解決。本文針對該問題提出一種基于自適應(yīng)決策的SSH匿名網(wǎng)絡(luò)網(wǎng)站指紋攻擊方法。該方法首先收集上行流量作為指紋特征，再使用Adaptive Hoeffding Tree和Adaptive Hoeffding Option Tree算法生成指紋特征庫，來實(shí)現(xiàn)指紋庫的不斷更新，以應(yīng)變動態(tài)網(wǎng)站的時間行為對指紋庫的影響，最后選取100常用網(wǎng)站作為攻擊目標(biāo)進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示，在訓(xùn)練集與測試集時間差為0時準(zhǔn)確率達(dá)到93.43%，且隨著時間差增加，準(zhǔn)確率下降緩慢，表明該方法能有效的進(jìn)行攻擊，并且能減小時間行為的影響。

關(guān)鍵詞：SSH;Adaptive Hoeffding Tree;Adaptive Hoeffding Option Tree;網(wǎng)站指紋攻擊;上行流量

中圖分類號：TP393 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）15-0036-03

1引言

隨著計(jì)算機(jī)高速的發(fā)展，個人隱私已經(jīng)成為網(wǎng)絡(luò)安全中重要的元素之一。匿名網(wǎng)絡(luò)的發(fā)展，成為一種保護(hù)個人隱私的手段，通常使用諸如SSH之類的匿名通信網(wǎng)絡(luò)來隱藏其信息，但也可能被犯罪分子利用。針對匿名網(wǎng)絡(luò)的濫用，研究者提出了基于流量的網(wǎng)站指紋攻擊方法。SSH因?yàn)槠洳渴鹣鄬τ赥or較為簡單，而更為廣泛的使用，也提出了針對SSH匿名網(wǎng)絡(luò)的網(wǎng)站指紋攻擊方法。

網(wǎng)站指紋攻擊方法是一種流量分析的方法，通過獲取用戶和代理服務(wù)器的流量，提取其特征，以此分辨用戶訪問的網(wǎng)站。該方法是一個多分類問題，攻擊方法的有效性取決于分類器的選擇以及流量的處理。針對SSH匿名網(wǎng)絡(luò)的網(wǎng)站指紋攻擊，文獻(xiàn)[4]提出基于數(shù)據(jù)包方向和長度的指紋攻擊方法，采用樸素貝葉斯分類器，取得73%的準(zhǔn)確率。文獻(xiàn)[5]就SSH流量進(jìn)行分析，分別以上行流量和下行流量作為網(wǎng)站指紋特征，使用樸素貝葉斯分類器，最后在文獻(xiàn)[4]數(shù)據(jù)集上獲得了81.7%的準(zhǔn)確率，同時提出隱馬可夫模型解決多級頁面指紋特征的采集。文獻(xiàn)[6]提出了一種基于隨機(jī)森的指紋攻擊方法，將上行流量數(shù)據(jù)包大小、下行流量數(shù)據(jù)包個數(shù)、入網(wǎng)時間和網(wǎng)站大小作為特征，在文獻(xiàn)[4]數(shù)據(jù)集上獲得了84.7%的準(zhǔn)確率。文獻(xiàn)[7]將特征工程和預(yù)測分類進(jìn)行整合，避免一些手工過程，實(shí)現(xiàn)半自動攻擊，將下行流量作為其指紋特征。使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，在文獻(xiàn)[4]數(shù)據(jù)集上獲得了92.3%的準(zhǔn)確率。在先前的研究工作中，攻擊者首先需要預(yù)先收集數(shù)據(jù)集并在一段時間內(nèi)訓(xùn)練分類器模型，然后將經(jīng)過訓(xùn)練的分類器用于預(yù)測目標(biāo)網(wǎng)站，稱之為靜態(tài)攻擊。在文獻(xiàn)[7]實(shí)驗(yàn)表明訓(xùn)練集與測試集時間差會影響靜態(tài)攻擊的準(zhǔn)確性。由于動態(tài)網(wǎng)站的時間行為、網(wǎng)站指紋模型必須是一個連續(xù)的過程，并且需要中間人來觀察網(wǎng)絡(luò)流量。在先前的研究中，為了最大限度地提高分類器的準(zhǔn)確性，攻擊者必須在不同的時間和設(shè)置下收集足夠多的有關(guān)不同版本的數(shù)據(jù)，以使每種模式的網(wǎng)站都具有代表性。由于在靜態(tài)攻擊中，分類器是使用預(yù)先收集的數(shù)據(jù)集進(jìn)行訓(xùn)練的，因此網(wǎng)站流量跟蹤的變化性質(zhì)不會反映在經(jīng)過訓(xùn)練的分類器中，并且網(wǎng)站指紋攻擊的效率會大大降低。為了維持分類器的性能，隨著時間的推移，必須使用最新版本的網(wǎng)站來更新分類器。從先前的靜態(tài)攻擊的角度更新分類器需要再次更新整個數(shù)據(jù)集以及重新訓(xùn)練分類器，但是，重新收集、維護(hù)和更新數(shù)據(jù)集以及更新和重新訓(xùn)練分類器模型較為昂貴。

本文針對這一問題提出一種基于自適應(yīng)決策的SSH匿名網(wǎng)絡(luò)網(wǎng)站指紋攻擊方法，該方法使用Adaptive HoeffdingTree和Adaptive Hoeffding Option Tree算法，在每個實(shí)例到達(dá)時會逐步更新模型。由于該模型會使用每個網(wǎng)站的最新版本進(jìn)行持續(xù)更新，因此可以隨著時間的推移將其性能保持在最佳水平。

2預(yù)備知識

使用Adaptive Hoeffding Tree和Adaptive Hoeffding OptionTree算法對網(wǎng)站指紋攻擊進(jìn)行建模。Hoeffding tree的存儲空間比較保守，可以通過從節(jié)點(diǎn)中的示例中收集足夠的統(tǒng)計(jì)信息來快速進(jìn)行數(shù)據(jù)的單次掃描。然后，tree做出拆分決策。Hoeffd-ing界在數(shù)學(xué)上保證了這一決定與在整個數(shù)據(jù)上訓(xùn)練的算法幾乎一樣可靠。該算法具有處理數(shù)據(jù)流的基本特征：

（1）Hoeffding tree是遞增生成的，并且在處理過程中動態(tài)知道收集的數(shù)據(jù)的內(nèi)容。

（2）不存儲處理過的數(shù)據(jù)，僅記錄相關(guān)的統(tǒng)計(jì)信息。

（3）每條記錄僅處理一次。

（4）Hoeffding界是Hoeffding tree中的統(tǒng)計(jì)指標(biāo)。

Hoeffding邊界具有一個可以參數(shù)化的估計(jì)誤差因子，該誤差因子如下：

其中，R是一個屬于實(shí)數(shù)值集合的隨機(jī)變量，n是迄今為止處理的樣本數(shù)，δ是一個可配置的值，描述了計(jì)算中可接受的誤差范圍。

Hoeffding tree是逐步構(gòu)建的，并且數(shù)據(jù)實(shí)例僅按順序分析一次。樹從根節(jié)點(diǎn)初始化為空，該算法讀取一個實(shí)例，并將其分類到相應(yīng)的葉子中。在算法中維護(hù)每個節(jié)點(diǎn)的表，觀察到的屬性和類值。對于每個新實(shí)例，都會計(jì)算并更新一些統(tǒng)計(jì)量度，例如均值和標(biāo)準(zhǔn)差。始終考慮同一節(jié)點(diǎn)中的樣本，始終以增量方式計(jì)算這些指標(biāo)。在處理完樣本后立即將其丟棄，并且隨著新樣本的到達(dá)樹將逐漸增長。此外，到目前為止觀察到的實(shí)例存儲在每片葉子上。之后，該算法讀取該葉子處實(shí)例的每個確定值，并根據(jù)所有觀察到的屬性計(jì)算信息增益（G）。Hoeffding邊界（ε）由節(jié)點(diǎn)中累積的統(tǒng)計(jì)信息計(jì)算得出。如果最佳屬性和第二最佳屬性的信息增益之間的差大于￡（如公式1所示），則將葉子替換為決策節(jié)點(diǎn)，并且在最佳屬性上進(jìn)行拆分，然后，將該屬性從可用于在該分支中拆分的屬性列表中刪除。

但是，Hoeffdingtree算法無法檢測到變化并使其適應(yīng)變化。在文獻(xiàn)[8]中，作者采用了Hoeffding tree算法來檢測概念漂移并調(diào)整預(yù)測模型。該技術(shù)稱為Adaptive Hoeffding tree。Adaptive Hoeffding tree是數(shù)據(jù)流挖掘中的一種新方法，該方法可以從變化的數(shù)據(jù)流中自適應(yīng)學(xué)習(xí)，而無需固定大小的滑動窗口。數(shù)據(jù)流挖掘中滑動窗口的大小是一個重要參數(shù)，因?yàn)樾枰獢?shù)據(jù)集中概念漂移的速率。Adaptive Hoeffding option tree是包含更多選項(xiàng)節(jié)點(diǎn)的常規(guī)Adaptive Hoeffding tree.這些選項(xiàng)允許應(yīng)用多個測試，并且導(dǎo)致多個Hoeffding tree作為單獨(dú)的路徑。用這種單一結(jié)構(gòu)可以有效地表示多個樹。在這棵樹中，每個葉子都存儲了當(dāng)前誤差的估計(jì)值。每個節(jié)點(diǎn)的權(quán)重是從投票過程中計(jì)算出來的，并且與誤差的平方成反比。此外，在本文Adaptive Hoeffdi～g Tree和Adaptive Hoeffding Option Tree算法中，使用自適應(yīng)樸素貝葉斯分類器作為葉子的學(xué)習(xí)者。自適應(yīng)技術(shù)用來檢查每個葉多數(shù)類和樸素貝葉斯決策的錯誤率。

3本文方法

本文方法主要分為三個階段，首先，捕獲每個網(wǎng)站的流量跟蹤。然后，對這些數(shù)據(jù)進(jìn)行預(yù)處理，并刪除錯誤的跡線，空包或指示負(fù)載錯誤的跡線，將下行流量作為網(wǎng)站指紋。將記錄的網(wǎng)站指紋用作Adaptive Hoeffding Tree和Adaptive Hoeffding op-tion Tree算法的輸人生成特征庫，最后使用Test-Then-Train評估模型的準(zhǔn)確率。模型圖如下：

3.1數(shù)據(jù)集采集

本文通過腳本程序收集互聯(lián)網(wǎng)中的OpenSSH100數(shù)據(jù)集。數(shù)據(jù)集采集模型如圖2，在WindowsXP配置SSH代理，配置與文獻(xiàn)[7]相同，然后運(yùn)行Au3模擬用戶訪問互聯(lián)網(wǎng)，使用Win-dump捕獲SSH匿名流量。數(shù)據(jù)集描述如表1：

3.3特征庫生成

本文使用MOA2017.06b進(jìn)行分類，采用Intel CoreTM i5-3210M CPU和8 GB RAM。MOA軟件用于基于流挖掘算法來模擬所提出的網(wǎng)站指紋攻擊方法網(wǎng)站指紋攻擊。MOA是用于實(shí)現(xiàn)數(shù)據(jù)流算法的軟件環(huán)境，并且包括幾種脫機(jī)和聯(lián)機(jī)數(shù)據(jù)流挖掘算法和評估工具。

在MOA中，整個數(shù)據(jù)集都用作輸入，但是MOA會將每個原始數(shù)據(jù)（每個網(wǎng)站指紋）都視為數(shù)據(jù)流。使用這些順序流數(shù)據(jù)構(gòu)造流分類器。MOA可以模擬每個實(shí)例順序到達(dá)并在每個實(shí)例到達(dá)時更新模型的情況。

3.4 Test-Then-Train

常規(guī)的機(jī)器學(xué)習(xí)評估方法如（K交叉驗(yàn)證）無法應(yīng)用于評估流挖掘算法的性能。在數(shù)據(jù)流挖掘算法中，定義了Test-Then-Train方法來評估算法的性能。該評估方法的原理是在每個單獨(dú)的示例到達(dá)時對模型進(jìn)行測試，并且每個單獨(dú)的示例在用于訓(xùn)練之前都可以用于測試模型，然后使用此樣本更新訓(xùn)練后的模型。在這種設(shè)置下，模型的準(zhǔn)確性會逐步更新。而且，統(tǒng)計(jì)信息會隨著流中的每個示例進(jìn)行更新，并且可以根據(jù)需要以該詳細(xì)級別進(jìn)行記錄。

4實(shí)驗(yàn)評估

為了評估本文方法對SSH匿名流量指紋攻擊的準(zhǔn)確率，將數(shù)據(jù)集中的數(shù)據(jù)按月份分為3組（D1、D2、D3）。首先以D1、D2、D3為訓(xùn)練集生成網(wǎng)站指紋特征庫進(jìn)行靜態(tài)網(wǎng)站指紋攻擊，其結(jié)果如圖3：

如圖3所示，在每個數(shù)據(jù)集上取70%作為訓(xùn)練集，剩下作為測試集。本文方法在D1數(shù)據(jù)集上有93.43%的準(zhǔn)確率，在D2數(shù)據(jù)集上有94.23%的準(zhǔn)確率，在D3上有93.33%的準(zhǔn)確率。在同樣的數(shù)據(jù)集上本文實(shí)現(xiàn)了文獻(xiàn)6和文獻(xiàn)7的方法，由圖可知本文方法可以針對SSH匿名網(wǎng)絡(luò)進(jìn)行有效的攻擊。

再以DI為訓(xùn)練集，D2、D3為測試集進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果如圖4，本文方法達(dá)到93.43%，而后續(xù)以分別以D2、D3為測試集，準(zhǔn)確率逐漸下降。在同樣數(shù)據(jù)集上實(shí)現(xiàn)文獻(xiàn)6和文獻(xiàn)7的方法，相對來說，本文方法能減小數(shù)據(jù)收集時間差對準(zhǔn)確率的影響。

將D2、D3分別分為兩組（D21、D22、D31、D32），一組用于更新指紋特征，另一組用于測試，其結(jié)果如圖5所示。該實(shí)驗(yàn)是在后續(xù)有準(zhǔn)備的情況下，更新指紋特征庫下的網(wǎng)站指紋攻擊準(zhǔn)確率，相對于圖4所示結(jié)果，本文方法能有較高的提升。

5結(jié)論

本文針對動態(tài)網(wǎng)絡(luò)的時間行為對網(wǎng)站指紋攻擊方法的影響，將Adaptive Hoeffding Tree和Adaptive Hoeffding Option Tree算法引入SSH匿名網(wǎng)絡(luò)網(wǎng)站指紋攻擊方法，提出基于自適應(yīng)決策的網(wǎng)站指紋攻擊方法，該方法實(shí)現(xiàn)了指紋庫的自動更新，且在小樣本實(shí)驗(yàn)數(shù)據(jù)集上達(dá)到了93.43%的準(zhǔn)確率，并且能減小動態(tài)網(wǎng)站的時間行為的影響。