You get PADDING, everybody gets PADDING! You get privacy?Evaluating practical QUIC website fingerpr

网站指纹防御可以只在网络层实现，还是需要应用层的参与？

将网站指纹攻击作为一个监督学习问题来实现。攻击者识别包含想要攻击的域IP，然后攻击者列举该IP上的所有域，并从这些域收集web流量跟踪，提取特征，并使用特征向量来训练分类器。给定一个新的痕迹，这个分类器预测它属于哪个网站。

我们使用 [37] 中描述的方法来寻找 LARGE 跟踪和指基本 IP 指纹识别纹之间的最佳匹配。在这种方法中，敌方首先将主域的 IP 与指纹进行匹配，得到一组候选网站。然后，他们将二级域名的 IP 与候选网站的指纹进行匹配，以获得最终匹配结果。

NetFlow：要进行网站指纹识别，对手必须具备存储和计算能力，而中间件通常不具备这些能力。事实上，典型的网络监控解决方案只能记录采样流量的总体统计数据 [58]。常用的网络采样工具包括 NetFlow 和 sFlow [47]。

目标是了解使用应用层信息防御是否比不知情的网络层防御效果更好，以及部署这种防御需要什么。

OpenWPM：记录页面加载期间发生的HTTP请求，还记录请求的发起者。