.png){kind=icon}
返回
CSSW: A robust Centroid-Sequential Synergetic Flow Watermarking framework for tracking network attacks
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comnet.2026.112340.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在复杂和动态的网络环境中，网络攻击溯源仍然是一个重大的技术挑战。传统的被动流量分析技术，如IP地址追踪和日志分析，在攻击者通过匿名网络或多跳跳板隐藏身份时往往效果不佳，导致溯源精度有限。为克服这一局限，网络流水印（NFW）作为一种主动流量分析技术应运而生，通过嵌入不可感知的水印来识别和追踪攻击流。然而，现有的NFW方法在抗时序抖动、丢包及其他网络干扰方面表现出不足的鲁棒性。为解决这些问题，我们提出了一种质心-序列协同水印框架（CSSW），创新性地将基于质心的统计特征和包序列特征结合为混合水印载体。为缓解由时序扰动引起的同步失败，我们设计了一种可靠的基于序列的同步机制，使水印提取可在流量流中的任意位置进行。此外，为抵抗严重时序噪声和丢包下的水印退化，我们开发了一种抗损伤编码策略，显著增强了水印在恶劣网络条件下的存活能力。广泛的实验结果表明，CSSW相比现有方法在鲁棒性和实际有效性方面表现更优。
Keyword:
Network Flow Watermarking
Attack Attribution
Centroid-Sequence Synergistic Framework
Robustness
Traffic Analysis
期刊
IF:
4.6
论文数:
1.7K
被引数:
1.6W
机构
暂无机构信息
引用论文
Flexible Deterministic Packet Marking: An IP Traceback System to Find the Real Source of Attacks
OAAI
OAAI分享收藏DeMarking: A defense for network flow watermarking in real-timeDeMarking：一种针对实时网络流水印的防御方法.png)
COMPUTERS & SECURITY
COMPUTERS & SECURITYIF5.4
PREAI
分享收藏
查看更多内容