HTTPS 웹사이트 핑거프린팅(WF)은 암호화된 트래픽의 메타데이터로 방문 사이트를 식별하는데, 시간·지역 변화와 미지의 사이트가 흔한 오픈월드 환경에서는 분포 외(OOD) 문제로 성능이 저하된다. CipherSight는 TCP 패킷 시퀀스 대신 TLS 레코드 다중 속성을 함께 인코딩해 사이트 표현을 학습하는 계층적 프레임워크로, 흐름 내 레코드 간 의존성과 동시 흐름 간 상호작용을 모두 포착한다. 마스킹된 레코드 모델링(MRM) 과제와 세밀한 레코드-리소스 주석을 특권 지도학습으로 활용해 강건한 표현을 학습한다. 실험 결과 폐쇄형 환경에서 2,000개 이상 사이트 분류에 95.41%의 정확도를 기록했고, 시간·지역 변화(drift) 조건에서도 90% 이상을 유지하며 모든 비교 베이스라인을 능가했다.

• •TCP 패킷 대신 TLS 레코드 다중 속성을 계층적으로 인코딩하는 CipherSight 프레임워크 제안.
• •마스킹된 레코드 모델링(MRM)과 레코드-리소스 주석 기반 의미 증류로 강건한 표현 학습.
• •폐쇄형 환경 2,000개 이상 사이트 분류에서 정확도 95.41% 달성.
• •시간·지역 분포 변화(drift) 상황에서도 90% 이상 정확도 유지, 전 베이스라인 상회.