Fingerprintingové útoky na anonymizační systémy
Loading...
Date
Authors
Krajči, Martin
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Táto diplomová práca sa zaoberá fingerprintigovými útokmi v anonymizačných systémoch, najmä v sieti Tor. Takýto útok bol navrhnutý a vykonaný v prostredí reálneho sveta s cieľom ukázať dopad chýb, ktoré sa nachádzali v predošlých štúdiách. Tri datasety zo zatvoreného sveta a jeden dataset z otvoreného sveta boli vytvorené a použité na trénovanie a testovanie N-shot learning klasifikátora. Prvý dataset bol získaný prehliadaním webových stránok webovým prehliadačom v predvolenej konfigurácii, druhý dataset bol získaný z rovnakej konfigurácie ale z inej krajiny a tretí dataset bol získaný prehliadaním webových stránok webovým prehliadačom so zapnutým rozšírením Adblock Plus a s nastaveným španielskym lokálom. V prípade, že bol klasifikátor trénovaný aj testovaný na prvom datasete, priemerná presnosť klasifikácie dosahovala 92%. Avšak ak bol klasifikátor trénovaný na prvom datasete a testovaný na druhom a treťom datasete, priemerná presnosť klasifikácie dosahovala 38,58% a 39,65% v danom poradí.
This thesis deals with fingerprinting attacks in anonymization systems, mostly in the Tor network. Such an attack was designed and executed in a real-world environment, with an aim to show the impact of errors from previous studies. Three closed-world datasets and one open-world dataset were gathered and then used for training and testing of N-shot learning classifier. The first dataset was gathered by browsing websites with a web browser in the default configuration, the second dataset was gathered in the same configuration as in the first case, but from a different country, and the third dataset was gathered by browsing websites with a web browser with Adblock Plus plugin turned on and Spanish locale set. When both training and testing the classifier on the first dataset, the average accuracy of classification was 92%. However, when training the classifier on the first dataset and testing on the second and third dataset, the average accuracy of classification was 38,58% and 39,65% respectively.
This thesis deals with fingerprinting attacks in anonymization systems, mostly in the Tor network. Such an attack was designed and executed in a real-world environment, with an aim to show the impact of errors from previous studies. Three closed-world datasets and one open-world dataset were gathered and then used for training and testing of N-shot learning classifier. The first dataset was gathered by browsing websites with a web browser in the default configuration, the second dataset was gathered in the same configuration as in the first case, but from a different country, and the third dataset was gathered by browsing websites with a web browser with Adblock Plus plugin turned on and Spanish locale set. When both training and testing the classifier on the first dataset, the average accuracy of classification was 92%. However, when training the classifier on the first dataset and testing on the second and third dataset, the average accuracy of classification was 38,58% and 39,65% respectively.
Description
Citation
KRAJČI, M. Fingerprintingové útoky na anonymizační systémy [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
Kybernetická bezpečnost
Comittee
doc. Ing. Vladimír Drábek, CSc. (člen)
Ing. Ondřej Lengál, Ph.D. (člen)
Mgr. Kamil Malinka, Ph.D. (člen)
Ing. Ondřej Kanich, Ph.D. (člen)
Mgr. Ing. Pavel Očenášek, Ph.D. (člen)
doc. Ing. František Zbořil, CSc. (předseda)
Date of acceptance
2023-06-20
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázku oponenta. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení