安全学术圈

本文主要研究WebRTC中DTLS握手过程的流量识别方法，在Docker环境中采集流量，采用基于流量统计特征的提取方法，最终利用多层感知器（MLP）模型判断流量是否为Snowflake流量。

利用静态程序分析技术，对谷歌商店上的2.2M个应用程序如何访问剪贴板数据，如何处理剪贴板数据，以及这些行为在多大程度上暴露了严重的安全和隐私风险进行了分析。

一种名为 HINT的新方法来检测 HTTPS 隧道流量

ICICS 2025, 中国计算机学会CCF C

本文探讨了多种机器学习算法在流量分类中的应用，旨在解决区分攻击流量和正常流量的二分类问题，提高网络安全防御能力。

CIC-Darknet2020数据集，并由实验得出，随机森林（Random Forest）的表现最优。

本次研讨会旨在汇聚学术界和工业界的各方力量，交流领域内的最新研究进展，共同探讨大语言模型供应链的机遇与挑战。

提出了一种新颖的加密流量分类和应用识别方法

在现实环境中，随着HS数量增加，攻击方法难以有效拓展，且在开放世界场景下的识别能力有限。

Snowflake基于WebRTC协议（浏览器内置的点对点通信框架）运行，其代理和客户端分别使用浏览器和独立的WebRTC实现。

“域名前置”技术，这是一种利用 HTTPS 隐藏通信真实目的地的规避手段

完全加密协议（FEP）通过隐藏通信元数据（如版本号和长度字段）使数据呈现为随机字节，从而规避网络审查。

提出了一种高鲁棒网站指纹攻击方法——Robust Fingerprinting（RF），能够在多种防御方法下保持较高的识别准确率

专题论文采用随投随审，一旦录用论文优先提交知网首发，出版时间视录用数量而定，如录用数量多，会分期出版。

本文的创新在于专注于时间特征来分析Tor流量，而非依赖传统的流量特征如包大小、端口和标志等。