ANFW Detection of the Tor Network Based on ResNet

Na vasta e invisível arquitetura da internet, existe um sistema projetado para manter as conversas privadas, de forma muito semelhante a uma série de envelopes selados passados por uma cadeia de estafetas confiáveis. Esta é a rede Tor, uma ferramenta que permite às pessoas comunicarem sem revelar quem são ou onde estão localizadas. Ela funciona roteando os dados através de múltiplas camadas de criptografia e diferentes servidores ao redor do mundo, garantindo que nenhum observador individual possa ver simultaneamente o remetente e o destinatário. Durante anos, este sistema tem sido notavelmente eficaz em resistir aos métodos tradicionais de espionagem, que geralmente tentam ler o conteúdo das mensagens ou rastrear o caminho específico que uma mensagem percorre. No entanto, um novo tipo de ameaça surgiu, que não tenta ler a mensagem ou quebrar o código. Em vez disso, tenta alterar sutilmente o ritmo da própria conversa, transformando o tempo dos pacotes de dados em um sinal oculto que pode ligar um usuário ao seu destino.

Pesquisadores sabem há muito tempo que mesmo o tráfego criptografado possui um batimento cardíaco. Cada vez que um computador envia uma solicitação e recebe uma resposta, existem pequenas pausas naturais entre os pacotes de dados. Um atacante pode explorar isso atrasando ligeiramente alguns desses pacotes para incorporar um código único e invisível. Esta técnica, conhecida como marca d'água ativa de fluxo de rede (active network flow watermarking), não altera o conteúdo da mensagem, de modo que a criptografia permanece intacta, mas altera o padrão de tempo de uma forma que apenas o atacante consegue reconhecer. Se um atacante puder ver esse padrão no início da jornada e novamente no final, ele pode provar quem está falando com quem, quebrando efetivamente o anonimato que a rede promete proteger. O desafio para os defensores tem sido detectar esses ritmos sutis e artificiais sem saber exatamente como é o código do atacante, uma tarefa difícil porque as mudanças são tão pequenas que podem ser facilmente confundidas com congestionamento ou atrasos normais da rede.

Uma equipe de pesquisadores da Universidade do Sudeste, da Universidade de Ciência e Tecnologia Eletrônica da China e da China Telecom desenvolveu um novo método para capturar esses sinais ocultos, tratando o problema como uma tarefa de reconhecimento de imagem. Em vez de tentar decodificar a marca d'água específica ou entender a matemática complexa de como o tempo foi alterado, eles focaram no comportamento geral do fluxo de dados. Eles perceberam que, embora um único atraso possa parecer um ruído aleatório, uma série deles cria um padrão distinto, muito parecido com uma impressão digital. Para tornar esse padrão visível para um computador, os pesquisadores primeiro coletaram dados do tráfego real da Tor, capturando milhões de pacotes ao longo de vários dias. Eles extraíram vinte e quatro medições diferentes desses dados, tais como o número total de pacotes, quanto tempo a conversa durou e o tempo médio entre cada pacote. Eles então combinaram essas medições com uma longa sequência dos intervalos de tempo reais entre os pacotes, criando uma única e longa lista de números que descrevia todo o fluxo.

A parte inteligente de sua abordagem foi transformar essa longa lista de números em uma imagem. Eles organizaram os números em uma grade e os converteram em uma imagem em tons de cinza, onde o brilho de cada pixel representava um valor específico dos dados. Neste formato visual, as diferenças sutis entre o tráfego normal e não alterado e o tráfego que foi adulterado tornaram-se texturas claras que um computador poderia aprender a reconhecer. Eles alimentaram essas imagens em um tipo de inteligência artificial chamado rede neural residual, um sistema projetado para aprender padrões complexos observando muitas camadas de detalhes. Este sistema foi treinado para distinguir entre a "textura" de uma conversa normal e a "textura" de uma que foi marcada com uma marca d'água. Ao treinar o sistema com milhares dessas imagens, os pesquisadores ensinaram-no a detectar os sinais reveladores de um ataque, independentemente do método específico que o atacante utilizou para esconder seu sinal.

Os resultados de seus experimentos foram impressionantes. Quando testado contra quatro tipos diferentes de ataques de marca d'água, o sistema identificou com sucesso a grande maioria deles. Para três dos métodos de ataque, o sistema alcançou uma taxa de precisão superior a 95 por cento, o que significa que identificou corretamente a presença de uma marca d'água quase todas as vezes. Mesmo contra o ataque mais difícil, que foi projetado para ser muito difícil de detectar, o sistema ainda conseguiu encontrá-lo 75 por cento das vezes, uma melhoria significativa em relação aos métodos anteriores que frequentemente tinham dificuldades com esse tipo específico de ameaça. Os pesquisadores também compararam seu novo sistema baseado em imagens com formas mais antigas e tradicionais de analisar dados, como verificações estatísticas simples. Eles descobriram que, embora os métodos antigos fossem mais rápidos, eles perdiam muitos dos ataques sutis. O novo sistema, embora exija mais tempo para processar os dados, proporcionou um nível de certeza muito maior, provando que olhar para o fluxo de dados como um padrão visual é uma forma poderosa de defender contra essas intrusões invisíveis.

Este trabalho representa uma mudança na forma como pensamos sobre a proteção da privacidade na internet. Em vez de tentar ser mais esperto que um atacante adivinhando seu código específico, o novo método simplesmente procura pelo fato de que algo mudou. Ele trata o tráfego de rede como um ser vivo com um ritmo natural e escuta o momento em que esse ritmo é artificialmente alterado. Embora o sistema ainda não seja perfeito e exija mais poder computacional do que as ferramentas mais antigas, ele demonstra que o aprendizado profundo pode ser usado para defender o anonimato de maneiras que eram anteriormente impossíveis. Os pesquisadores confirmaram que, ao transformar dados em imagens, eles puderam descobrir padrões que eram invisíveis para a análise padrão, oferecendo uma nova camada de segurança para aqueles que dependem da rede Tor para manter suas comunicações privadas. O estudo sugere que, enquanto os atacantes tentarem esconder seus rastros no tempo dos dados, os defensores podem usar o poder do reconhecimento de padrões para encontrá-los, transformando a própria natureza do comportamento da rede em um escudo.