Cache Shaping: An Effective Defense Against Cache-Based Website Fingerprinting
Cache Shaping: An Effective Defense Against Cache-Based Website Fingerprinting
复制标题
缓存整形：针对基于缓存的网站指纹识别的有效防御
DOI：
10.1145/3508398.3511500
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Wang, Boyang
中科院分区：
文献类型：
--
作者：
Li, Haipeng;Niu, Nan;Wang, Boyang
基于缓存的网站指纹攻击可以通过测量CPU缓存活动来推断用户访问的网站。研究表明，攻击者可以通过监控整个Last Level cache的占用情况，以较低的采样率实现较高的准确率。尽管已经提出了一种防御方法，但当攻击者使用被防御的数据来适应和重新训练分类器时，这种防御方法并不有效。在本文中，我们提出了一种新的防御方法，称为缓存整形，以保护用户隐私免受基于缓存的网站指纹攻击。我们提出的防御通过引入虚拟I/O操作和实现多个进程来产生虚拟缓存活动，从而在用户访问网站时隐藏指纹。我们在从多个web浏览器和操作系统收集的大规模数据集上的实验结果表明，即使攻击者使用防御缓存跟踪重新训练分类器，我们的防御仍然有效。我们通过利用深度神经网络作为分类器，展示了我们在封闭世界和开放世界环境下的防御效果。
Cache-based website fingerprinting attacks can infer which website a user visits by measuring CPU cache activities. Studies have shown that an attacker can achieve high accuracy with a low sampling rate by monitoring cache occupancy of the entire Last Level Cache. Although a defense has been proposed, it was not effective when an attacker adapts and retrains a classifier with defended data. In this paper, we propose a new defense, referred to as cache shaping, to preserve user privacy against cache-based website fingerprinting attacks. Our proposed defense produces dummy cache activities by introducing dummy I/O operations and implementing with multiple processes, which hides fingerprints when a user visits websites. Our experimental results over large-scale datasets collected from multiple web browsers and operating systems show that our defense remains effective even if an attacker retrains a classifier with defended cache traces. We demonstrate the efficacy of our defense in the closed-world setting and the open-world setting by leveraging deep neural networks as classifiers.
登录
查看更多内容
影响因子：
--
作者：
Jean-Pierre Smith;Prateek Mittal;A. Perrig
通讯作者：
Jean-Pierre Smith;Prateek Mittal;A. Perrig
利用硬件事务内存进行缓存侧通道防御
DOI：
10.1145/3196494.3196501
发表时间：
2018
期刊：
Proceedings of the 2018 on Asia Conference on Computer and Communications Security
影响因子：
--
作者：
Sanchuan Chen;Fangfei Liu;Zeyu Mi;Yinqian Zhang;R. Lee;Haibo Chen;Xiaofeng Wang
通讯作者：
Xiaofeng Wang
DOI：
10.1109/sp40000.2020.00082
发表时间：
2020-05
期刊：
2020 IEEE Symposium on Security and Privacy (SP)
影响因子：
--
作者：
Michael Kurth;Ben Gras;Dennis Andriesse;Cristiano Giuffrida;H. Bos;Kaveh Razavi
通讯作者：
Michael Kurth;Ben Gras;Dennis Andriesse;Cristiano Giuffrida;H. Bos;Kaveh Razavi
DOI：
10.1145/3485832.3485902
发表时间：
2021-12
期刊：
Proceedings of the 37th Annual Computer Security Applications Conference
影响因子：
--
作者：
P. Cronin;Xing Gao;Haining Wang;Chase Cotton
通讯作者：
P. Cronin;Xing Gao;Haining Wang;Chase Cotton
DOI：
10.1109/tifs.2020.3039691
发表时间：
2019-02
影响因子：
6.8
作者：
Mohammad Saidur Rahman;M. Imani;Nate Mathews;M. Wright
通讯作者：
Mohammad Saidur Rahman;M. Imani;Nate Mathews;M. Wright