NDSS 2020论文快读

缺乏、安全感 2023-02-14 01:17 25阅读 0赞

1.  CloudLeak: Large-Scale Deep Learning Models Stealing Through Adversarial Examples  
    Honggang Yu and Kaichen Yang (University of Florida); Teng Zhang (University of Central Florida); Yun-Yun Tsai and Tsung-Yi Ho (National Tsing Hua University); Yier Jin (University of Florida)  
    论文连接：http://jin.ece.ufl.edu/papers/NDSS2020\_CloudLeak.pdf  
    主要内容：  
    使用对抗机器学习的方法，学习基于云的深度学习模型的能力。
2.  DeepBinDiff: Learning Program-Wide Code Representations for Binary Diffing  
    Yue Duan (Cornell University); Xuezixiang Li, Jinghan Wang, and Heng Yin (UC Riverside)  
    论文连接：  
    https://www.ndss-symposium.org/wp-content/uploads/2020/02/24311.pdf  
    使用深度学习做二进制文件的差异性分析。  
    差异性分析类似于 git显示的前后版本代码差异。
3.  Encrypted DNS –> Privacy? A Traffic Analysis Perspective  
    Sandra Siby (EPFL); Marc Juarez (University of Southern California); Claudia Diaz (imec-COSIC KU Leuven); Narseo Vallina-Rodriguez (IMDEA Networks Institute); Carmela Troncoso (EPFL)  
    连接：https://arxiv.org/pdf/1906.09682.pdf  
    内容：  
    研究了加密DNS请求 DOH/DOT的流量能不能分类出域名来，同时提供一些防御的方案。  
    实验做的特别完善！！  
    其实就是Webfinger printing 迁移到eDNS上面去。  
    因为eDNS就是通过tls或http把域名请求的过程加密了，但是本身是一个连接的流量，这和Tor上面的流量分类特别相似。
4.  FlowPrint: Semi-Supervised Mobile-App Fingerprinting on Encrypted Network Traffic  
    Thijs van Ede (University of Twente); Riccardo Bortolameotti (Bitdefender); Andrea Continella (UC Santa Barbara); Jingjing Ren and Daniel J. Dubois (Northeastern University); Martina Lindorfer (TU Wien); David Choffnes (Northeastern University); Maarten van Steen and Andreas Peter (University of Twente)

连接：https://www.distributed-systems.net/my-data/papers/2020.ndss.pdf  
这个人做的是移动APP的流量分类，分类的目标是识别流量所属应用。  
解决的问题是移动APP的频繁版本更新问题。  
他们做了安卓和IOS上的APP的版本更新实验。  
这个论文有提供好大的数据集：  
Andrubis dataset: https://drive.google.com/drive/folders/1IXa3IJS9zJS4vggpyU7yda8f7jZjz4gB

Browser dataset: https://drive.google.com/open?id=1wOdrfazbrcMDrL0NfA4GLoWegtPqkPj3

1.  Packet-Level Signatures for Smart Home Devices  
    Rahmadi Trimananda, Janus Varmarken, Athina Markopoulou, and Brian Demsky (University of California, Irvine)  
    链接：  
    https://www.ndss-symposium.org/wp-content/uploads/2020/02/24097.pdf

这个人做了智能家居的流量分类工作。  
这个人选了19个智能家居产品。  
作者没有开源数据集。

1.  Practical Traffic Analysis Attacks on Secure Messaging Applications  
    Alireza Bahramali, Amir Houmansadr, Ramin Soltani, Dennis Goeckel, and Don Towsley (University of Massachusetts Amherst)  
    链接：  
    https://arxiv.org/pdf/2005.00508.pdf  
    这篇文章是对IM工具的加密流量分类的，它的场景比较有意思：分析IM工具里面群聊，找出里面的群管理员和成员。  
    它还提出自己的一些防御手段，搞了一个开源的代理工具 IMProxy 抵御IM工具的流量分析攻击。
2.  SurfingAttack: Interactive Hidden Attack on Voice Assistants Using Ultrasonic Guided Waves  
    Qiben Yan (Michigan State University); Kehai Liu (Chinese Academy of Sciences); Qin Zhou (University of Nebraska-Lincoln); Hanqing Guo (Michigan State University); Ning Zhang (Washington University in St. Louis)

链接：http://www.pbwcz.cz/Pocitacovy%20utok/NDSS-surfingattack.pdf

这个是语音助手的攻击。  
以前有人做不同声域的攻击，比如用低声波、超声波来攻击，现在这篇改变不同的传播媒介来攻击。  
这个很有启发性。

里面的实验设置可以借鉴。