$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

CNN을 활용한 Tor 네트워크 트래픽 분류
Classification of Tor network traffic using CNN 원문보기

융합보안논문지 = Convergence security journal, v.21 no.3, 2021년, pp.31 - 38  

임형석 (국방대학교 국방과학학과) ,  이수진 (국방대학교 국방과학학과)

초록
AI-Helper 아이콘AI-Helper

Onion Router라고 알려진 Tor는 강한 익명성을 보장하기 때문에 각종 범죄행위뿐만 아니라 신속한 포트 검색 및 인증정보의 외부 유출 등 해킹 시도에도 활발하게 이용되고 있다. 따라서 범죄 시도를 조기에 차단하고 해킹으로부터 조직의 정보시스템을 안전하게 보호하기 위해서는 Tor 트래픽의 빠르고 정확한 탐지가 상당히 중요하다. 이에 본 논문에서는 CNN(Convolutional Neural Network)을 기반으로 Tor 트래픽을 탐지하고 트래픽의 유형을 분류하는 분류모델을 제안한다. 제안하는 분류모델의 성능 검증에는 UNB Tor 2016 데이터세트가 사용되었다. 실험을 진행한 결과, 제안하는 접근방법은 Tor 및 Non-Tor 트패픽을 탐지하는 이진분류에서는 99.98%, Tor 트래픽의 유형을 구분하는 다중분류에서는 97.27%의 정확도를 보여주었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Tor, known as Onion Router, guarantees strong anonymity. For this reason, Tor is actively used not only for criminal activities but also for hacking attempts such as rapid port scan and the ex-filtration of stolen credentials. Therefore, fast and accurate detection of Tor traffic is critical to prev...

주제어

#Tor   #CNN   #Binary Classification   #Multiclass classification  

참고문헌 (20)

  1. A. Gupta, S. B. Maynard, and A. Ahmad, "The Dark Web Phenomenon: A Review and Research Agenda", ACIS 2019 Proceedings, 1, 2019. 

  2. Kristin Finklea, "Dark Web", U. S. Congressional Research Service Report, 2017. 3. 

  3. S. Kaur and S. Randhawa, "Dark Web: A Web of Crimes", Wireless Personal Communications, Vol. 112, 2020. 

    상세보기

  4. K. Rathod, and H. Suthar, "Traffic Analysis and Relay Finding in Tor Survey", Multidisciplinary International Research Journal of Gujarat Technological University, Vol. 2, No. 1, pp. 34-43, 2020. 

  5. L. Basyoni, N. Fetais, A. Erbad, A. Mohamed, and M. Guizani, "Traffic analysis attacks on Tor: a survey", 2020 IEEE International Conference on Informatics, IoT, and Enabling Technologies (ICIoT), pp. 183-188, 2020 

  6. AhnLab, "ASEC REPORT VOL. 50", https://www.ahnlab.com/kr/site/securityinfo/asec/asecReportList.do, 검색일: 2020. 8. 5, pp.1-25, 2014. 

  7. D. Moore, and T. Rid, "Cryptopolitik and the Darknet", Survival, Vol.58, no.1, pp.20-25, 2016. 

  8. Z. Cao, G. Xiong, Y. Zhao, Z. Li, and l. Guo, "A Survey on Encrypted Traffic Classification", International Conference on Applications and Techniques in Information Security, pp. 73-81, 2014. 

  9. Y. Shin, and S. Shin, "An Empirical Study on Massive Forensic Services", Internet and Information Security, Vol.1, No.4, pp. 83-100, 2010. 

  10. M. Kim, "Limitations and Improvements of Adoption Criteria for Digital Forensic Evidence", Convergence Security Journal, Vol.18, No.4, pp. 36-43, 2018. 

  11. T. Wang, and I. Goldberg, "Improved website fingerprinting on tor", Proceedings of the 12th ACM workshop on Workshop on privacy in the electronic society, pp. 201-202, 2013. 

  12. V. Rimmer, D. preuveneers, M. Juarez, T. Van Goethem, and W. Joosen, "Automated Website Fingerprinting through Deep Learning", arXiv preprint arXiv:1708.06376, pp. 1-15, 2017. 

  13. H. Oh, D. Hwang, and W. Kim, "Traffic Sequence Vectorization and Ensemble Algorithm Classification for Tor Website Fingerprinting", Journal of The Institute of Electronics and Information Engineers Vol. 57, No. 5, pp. 59-61, 2020. 

  14. A. Montieri, D. Ciuonzo, G. Aceto, and A. Pescape, "Anonymity Services Tor, I2P, JonDonym: Classifying the Dark (Web)", IEEE Transactions on Dependable and Secure Computing, Vol.17, No.3, pp. 1-14, 2018. 

  15. A. Lashkari, H. Draper-Gil, M. S. I. Mamun, and A. Ali, "Characterization of Tor Traffic using Time based Features", International Conference on Information Systems, Security and Privacy(ICISSp), pp. 253-263, 2017. 

  16. A. Panchenko, F. Lanze, J. Pennekamp, T. Engel, A. Zinnen, M. Henze, and K. Wehrle, "Website Fingerprinting at Internet Scale", Network and Distributed System Security Symposium(NDSS), pp. 1-15, 2016. 

  17. M. Kim, and A. Anpalagan, "Tor Traffic Classification from Raw Packet Header using Convolutional Neural Network", 2018 1st IEEE International Conference on Knowledge Innovation and Invention(ICKII), pp. 187-190, 2018. 

  18. University of New Brunswick, "Tor-nonTor dataset (ISCXTor2016)", https://www.unb.ca/cic/datasets/andmal2017.html, 2016.(검색일 : 2020. 7. 5) 

  19. V. Nair, and G. E. Hinton, "Rectified Linear Units Improve Restricted Boltzmann Machines", International Conference on Machine Learning (ICML), pp. 807-814, 2010. 

  20. Kingma, P. Diederik, and Jimmy Ba, "Adam: A Method For Stochastic Optimization", arXiv preprint arXiv:1412.6980, pp. 1-15, 2015. 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로