High Precision Open-World Website Fingerprinting阅读笔记

1.High Precision Open-World Website Fingerprinting

会议： IEEE Symposium on Security and Privacy
(S&P, CCF A)
方法 ：open-set classfication未知类
团队：香港科技大学 王涛
背景 ：

1. 开放世界网站指纹分类存在基本比率谬误，根据贝叶斯公式，比率很大时，模型在open-set的精度大幅降低；
2. 作者认为在open-world中，high pre&low recall比high recall&low pre威胁更大
3. 因此，作者认为open-world的核心是减少FP

算法 ：
①将比率r = no sensitive /sensitive 加入precision计算公式；
②将错分划分为WP（是P但P中类别错分）和FP（不是P但分为P）【P为是sensitive】;
③提出精度优化器（PO），正常训练，但测试先由模型分类，若分类属于P，则由PO进一步判断。

结果：

1. 数据集：校园网访问Tor流量（HTTP1 & H2）;
2. 3种方法对已有模型提升精度（减少FP࿰