Privacy-preserving deanonymization of Dark Web Tor Onion services for criminal investigations

Detalhes bibliográficos
Autor(a) principal: Ângelo, Daniel José Ferreira
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/56882
Resumo: Tese de Mestrado, Engenharia Informática, 2022, Universidade de Lisboa, Faculdade de Ciências
id RCAP_3cfc9c01d4a0723217bb6d38c466d223
oai_identifier_str oai:repositorio.ul.pt:10451/56882
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Privacy-preserving deanonymization of Dark Web Tor Onion services for criminal investigationsTorCorrelação de tráfegoPreservação de privacidade em aprendizagem automáticaComputação multipartidáriaPrivacidade diferencialTeses de mestrado - 2022Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaTese de Mestrado, Engenharia Informática, 2022, Universidade de Lisboa, Faculdade de CiênciasTor is one of the most popular anonymity networks in the world. Users of this platform range from dissidents to cybercriminals or even ordinary citizens concerned with their privacy. It is based on advanced security mechanisms that provide strong guarantees against traffic correlation attacks that can deanonymize its users and services. Torpedo is the first known traffic correlation attack on Tor that aims at deanonymizing onion services’ (OS) sessions. In a federated way, servers belonging to ISPs around the globe can process deanonymization queries of specific IPs. With the abstraction of an interface, these queries can be submitted by an operator to deanonymize OSes and clients. Initial results showed that this attack was able to identify the IP addresses of OS sessions with high confidence (no false positives). However, Torpedo required ISPs to share sensitive network traffic of their clients between each other. Thus, in this work, we seek to complement the previously developed research with the introduction and study of privacy-preserving machine learning techniques, aiming to develop and assess a new attack vector on Tor that can preserve the privacy of the inputs of each party involved in a computation, allowing ISPs to encrypt their network traffic before correlation. In more detail, we leverage, test and assess a ML-oriented multi-party computation framework on top of Torpedo (TF Encrypted) and we also develop a preliminary extension for training the model with differential privacy using TF Privacy. Our evaluation concludes that the performance and precision of the system were not significantly affected by the execution of multi-party computation between ISPs, but the same was not true when we additionally introduced a pre-defined amount of random noise to the gradients by training the model with differential privacyFerreira, Bernardo Luís da SilvaRepositório da Universidade de LisboaÂngelo, Daniel José Ferreira2023-03-28T16:06:21Z202220222022-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/56882enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T17:04:52Zoai:repositorio.ul.pt:10451/56882Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:07:24.324643Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Privacy-preserving deanonymization of Dark Web Tor Onion services for criminal investigations
title Privacy-preserving deanonymization of Dark Web Tor Onion services for criminal investigations
spellingShingle Privacy-preserving deanonymization of Dark Web Tor Onion services for criminal investigations
Ângelo, Daniel José Ferreira
Tor
Correlação de tráfego
Preservação de privacidade em aprendizagem automática
Computação multipartidária
Privacidade diferencial
Teses de mestrado - 2022
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Privacy-preserving deanonymization of Dark Web Tor Onion services for criminal investigations
title_full Privacy-preserving deanonymization of Dark Web Tor Onion services for criminal investigations
title_fullStr Privacy-preserving deanonymization of Dark Web Tor Onion services for criminal investigations
title_full_unstemmed Privacy-preserving deanonymization of Dark Web Tor Onion services for criminal investigations
title_sort Privacy-preserving deanonymization of Dark Web Tor Onion services for criminal investigations
author Ângelo, Daniel José Ferreira
author_facet Ângelo, Daniel José Ferreira
author_role author
dc.contributor.none.fl_str_mv Ferreira, Bernardo Luís da Silva
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Ângelo, Daniel José Ferreira
dc.subject.por.fl_str_mv Tor
Correlação de tráfego
Preservação de privacidade em aprendizagem automática
Computação multipartidária
Privacidade diferencial
Teses de mestrado - 2022
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic Tor
Correlação de tráfego
Preservação de privacidade em aprendizagem automática
Computação multipartidária
Privacidade diferencial
Teses de mestrado - 2022
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description Tese de Mestrado, Engenharia Informática, 2022, Universidade de Lisboa, Faculdade de Ciências
publishDate 2022
dc.date.none.fl_str_mv 2022
2022
2022-01-01T00:00:00Z
2023-03-28T16:06:21Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10451/56882
url http://hdl.handle.net/10451/56882
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134627455041536

Registros relacionados