FlowPrint Semi-Supervised Mobile-App Fingerprinting on Encrypted Network Traffic读后感

FlowPrint Semi-Supervised Mobile-App Fingerprinting on Encrypted Network Traffic

会议：Network and Distributed Systems Security (NDSS) Symposium 2020

时间：2020/2/23

目标/方法：半监督移动app指纹；未知app识别。

团队：University of Twente（荷兰）

背景：移动app同质化（Homogeneous）、更新快，现有识别方法需要先验知识。
本文提出不需先验知识的半监督方法：FLOWPRINT。
移动app由不同的模块组成，这些模块通常与一组静态目的地进行通信。
利用流量目的地址相关特征之间的时间相关性生成app指纹。

算法：①分流
②提特征（时序、IP&port、大小、TLS证书等）
③根据目的二元组或证书聚类（由于DNS缓存，不使用DNS信息）；【会存在很多共享cluster，如Ad】
④浏览器traffic剥离（随机森林）
⑤相关性聚类：利用活动目的地集群之间的时间相关性。每个应用在一个时间window的活动目的地址cluster组合是相对稳定的;
互相关计算见右侧图片
⑥指纹生成：提取完备子图（阈值）内的二元组、证书等成set，作为app指纹
⑦指