[发明专利]一种基于注意力机制和LSTM的Tor网站指纹识别方法

说明书

本发明公开了一种基于注意力机制和LSTM的Tor网站指纹识别方法，具体包括以下步骤：步骤一、流量捕获；步骤二、特征筛选；步骤三、模型构建；步骤四、模型训练；步骤五、性能评估：使用步骤四中的测试集对训练好的分类器模型进行性能评估，本发明涉及网络安全技术领域。该基于注意力机制和LSTM的Tor网站指纹识别方法，通过基于Tor访问流量的数据特点，提取出cell序列作为模型输入特征，并基于注意力机制和LSTM相结合的方式，使用多分支LSTM网络从cell序列中提取时间特征，再使用注意力机制对时间特征做权重参数优化，以发现并突出关键时间特征对网站指纹识别结果的影响，弥补了现有Tor网站指纹识别准确率比较低的缺陷。

技术领域

本发明涉及网络安全技术领域，具体为一种基于注意力机制和LSTM的Tor网站指纹识别方法。

背景技术

洋葱路由器(Tor)是一种通信工具，可为互联网用户提供匿名性。Tor对通信的内容和路由信息进行加密，不仅通过随机分配的节点路由转发加密的流量，还通过分割流量数据为固定长度512B的cell，并采用周期性切换circuit等匿名手段，以此来确保用户浏览活动的隐私。目前已有数百万的用户每天通过Tor来匿名访问网站，从而来隐蔽自己的网络活动。

循环神经网络是深度学习领域中一类特殊的内部存在自连接的神经网络，适合处理时序数据，虽然RNN在处理时间序列关系上表现良好，但标准RNN结构存在梯度消失或梯度爆炸问题。长短时神经网络(long short term memory，LSTM)是RNN的变体，其改进了传统RNN的记忆模块，避免了因为数据持续输入而无法长期保存有效历史信息的问题。

网站指纹是访问一个网站过程中产生的网络流量，例如数据包的大小、顺序和时间等非敏感信息可以形成网站指纹(Website fingerprinting，WF)。对于不同的网站，其网页内容都大不相同(如网页代码、图片、脚本、样式表等等)，因此尽管通信内容加密，浏览器在加载网页时产生的匿名流量元数据也不尽相同。因此，可以通过网站指纹来区别不同的网站。

Tor等匿名网络常常被不法分子滥用以遮盖其网络犯罪行为，严重违背了保护用户隐私和匿名性的设计初衷，若缺乏有效的监管技术，政府难以识别追踪隐藏在匿名网络中的非法地下网站，无法准确打击相关犯罪行为，因此，提高匿名网络的监管水平势在必行，而网站指纹识别的方法恰好能对匿名网络实施监管和审查。

现有的网站指纹识别方法主要分为传统机器学习方法和深度学习方法，传统机器学习方法依靠人工提取特征，成本较高的同时，网站指纹识别的准确率也比较低；而深度学习方法不依靠人工提取特征，直接从Tor流量中提取出cell序列作为输入，经过多层神经网络进行学习，最终输出网站的类别，但这种方法对长时间序列输入特征没有区分，会忽略某些包含重要信息量的时序节点。

基于对上述资料的检索，可以看出，现有Tor网站指纹识别存在准确率比较低的缺陷，为此，特提出一种基于注意力机制和LSTM的Tor网站指纹识别方法，本方法设计了注意力机制和LSTM网络相结合的模型结构，在LSTM网络的基础上，设计了更适合处理长序列的多分支LSTM网络，同时引入了注意力机制，来对LSTM网络提取出来的时间特征进行权重参数优化，以突出关键时间特征对指纹识别结果的影响。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于注意力机制和LSTM的Tor网站指纹识别方法，解决了现有Tor网站指纹识别存在准确率比较低的问题。

(二)技术方案

为实现上述目的，本发明提供了如下技术方案：一种基于注意力机制和LSTM的Tor网站指纹识别方法，具体包括以下步骤：

步骤一、流量捕获：使用tcpdump工具收集访问流量，并对每条访问流量打上标签，捕获到被监控网站的访问流量；