연구진이 Tor, I2P, FreeNet, ZeroNet 등 다크넷 트래픽에서 어떤 행동 메커니즘이 서비스 구별을 가능케 하는지 분석하는 행위 정보 유출 프레임워크를 제안했다. 흐름 수준 트래픽을 제어·구조·리듬 서술자 그룹으로 분해하고 정규화된 상호정보량 분석과 랜덤포레스트 기반 예측 검증, 구조-리듬 상호작용 분석, 네트워크 간 서비스 가변성 평가를 결합했다. 실험 결과 익명 네트워크마다 행위 유출 정도가 크게 달랐는데, Tor는 매크로 F1 0.7165로 가장 높은 서비스 구별도를 보였고 FreeNet은 결합 유출 지수가 0.8744로 가장 낮았다. 패킷 크기 구성, 방향별 교환 불균형, 패킷 템포, 침묵-버스트 행위가 주요 유출 메커니즘으로 확인됐으며, 네트워크 간 전이성은 제한적이었다. 다크넷 트래픽 분류의 정확도뿐 아니라 그 원인이 되는 행위적 메커니즘을 밝혀 사이버 위협 인텔리전스에 기여한다.
- •Tor·I2P·FreeNet·ZeroNet 트래픽을 제어·구조·리듬 서술자로 분해하는 행위 유출 프레임워크를 제안했다
- •Tor가 매크로 F1 0.7165로 서비스 구별도가 가장 높고, FreeNet은 유출 지수 0.8744로 가장 낮았다
- •패킷 크기·방향 불균형·템포·침묵-버스트 행위가 주요 유출 메커니즘으로 확인됐다
- •네트워크 간 leave-one-out 평가에서 전이성이 제한적임을 확인했다
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Behavioral Information Leakage in Darknet Traffic: A Multi-Channel Analysis Across Anonymity Networks
본문 미리보기
arXiv:2608.04143v1 Announce Type: new Abstract: Existing darknet traffic classification studies largely emphasize predictive accuracy while offering limited insight into the behavioral mechanisms that make encrypted services distinguishable. This paper proposes a behavioral information leakage framework that decomposes flow-level traffic into control, structural, and rhythmic descriptor groups across Tor, I2P, FreeNet, and ZeroNet. The framework combines normalized mutual information analysis w
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:57AI 초안
