该论文研究了现实网络中审查规避流量的精确检测问题。作者指出，目前最先进的Tor规避流检测方法存在严重的假阳性问题（即使基准率保守设定为10^-3，假阳性率仍超过94%）。为此，他们提出了一种结合深度学习流分类器和基于主机的检测策略的新方法：流分类器对单个网络流进行初步判断，而主机检测策略则利用多个流在时间上积累的信息来提升检测精度。实验基于超过6000万个真实网络流（目的地超过60万个），涵盖了六个数量级的规避流基准率和真实世界的协议分布。结果表明，随着时间累积信息，检测方法变得更加精确，最终实现了完美召回（100%检测率）且零假阳性。论文进一步指出，未来的规避系统设计需要更谨慎地考虑基于主机的检测策略，并给出了抵御此类攻击的设计建议。该研究对于理解现实审查威胁、改进防审查系统的鲁棒性具有重要意义。

该论文研究的是因果IPD-QIM（基于量化索引调制的网络流水印）在网络流量中的稳定性问题。在多跳加密链路（如Tor、级联VPN）中，隧道化会抹平包长度和协议字段，使得包间延迟（IPD）成为主动流归属追踪的主要载体。因果性要求嵌入器只能延迟包而不能提前包，因此每次QIM对齐都会向延迟缓冲区注入非负的停留时间；无界的停留时间会破坏晶格对齐并导致主机连接延迟无法接受。目前，因果QIM水印在突发流量下是否能稳定嵌入主要依赖于经验配置，而非理论分析。本文将嵌入器建模为在固定双晶格、等概率比特规则下的反射停留队列，其中注入是状态依赖的（由当前间隔和比特决定），而非外生。通过替换Y_i = δ_i - r_i，得到代数Lindley形式；稳定性由大停留下的忙态漂移决定，此时有效间隔趋近于零，平均注入变为Δ/4。远离临界边界时，对于独立同分布背景流量，缓冲区稳定的条件是μ_d > Δ/4（即Δ < 4μ_d）；对于具有瞬时过载的平稳遍历和有限状态马尔可夫调制流量，平均强度ρ̄ < 1。结合外生解码下限Δ ≥ cσ_ξ（c=4Q^{-1}(ε/2)），得到工作窗口Δ ∈ [cσ_ξ, 4μ̄_d)。模拟在单流上确认了ρ=1处的尖锐转变；在四条真实IPD轨迹上的实验表明，该准则在流内相关性和突发性下正确预测了稳定性方向，而跨流均值会高估裕量。这些结果为因果QIM网络流水印提供了可测试的稳定可嵌入性准则和量化步长配置基线。

本文提出了一种针对 Tor 网络的新型带宽膨胀攻击，名为 MirageFlow。攻击者通过控制一组恶意中继节点（即中继集群）并利用 Tor 允许资源共享的机制，协调分配集群内各中继的资源，欺骗带宽测量器，使其误认为每个中继节点都拥有充足的带宽资源。攻击者设计了两种变体：C-MirageFlow（集中式资源共享）和 D-MirageFlow（分布式资源共享）。在私有 Tor 测试网络中的评估表明，C-MirageFlow 可将测量到的带宽膨胀近 n 倍（n 为单台服务器上托管的集群大小），D-MirageFlow 可膨胀近 n*N 倍（N 为服务器数量）。理论分析进一步指出，攻击者仅使用 10 台专用服务器，每台运行 109 个中继节点（每个节点带宽 100MB/s），即可控制 Tor 网络一半的流量。该研究揭示了 Tor 网络当前带宽测度机制中的安全漏洞，尤其是资源共享被滥用的风险，对 Tor 的匿名性保证构成严重威胁。

本文研究 Monero 加密货币在 Tor 网络中的交易去匿名化问题。Monero 是一种注重隐私的加密货币，它采用 Dandelion++ 协议并集成匿名网络（如 Tor 和 I2P）来防止攻击者将交易与源 IP 关联。然而，本文发现 Monero 与 Tor 的集成引入了一个根本性漏洞：Monero Tor 节点发起的交易在传播到明网之前，会专门转发给两个出站 Tor 隐藏服务节点（代理节点），这使得攻击者可以通过占据目标节点的出站连接来捕获源交易。基于这一观察，作者提出了一个三阶段去匿名化框架 ProxyMark，包括节点角色识别、源交易识别和节点位置去匿名化。通过在实时 Tor 网络、Monero 主网和测试网上进行实验，作者实证展示了 ProxyMark 能够成功对 Monero Tor 节点发起的交易进行去匿名化。该研究揭示了隐私货币在集成匿名网络时可能存在的安全风险，对 Monero 用户和隐私协议设计者有重要参考价值。

该论文系统性地研究了混合网络（mixnets）在面对恶意节点时的失效模式。混合网络是匿名通信的关键基础设施，通过多跳混淆和延迟发送来隐藏通信关系。然而，当网络中部分节点被敌手控制时，敌手可能通过流量分析、时序关联等攻击破坏匿名性。论文首先形式化定义了混合网络中敌手节点的能力模型，包括被动监听、主动延迟、消息丢弃等。随后提出了一套量化评估框架，用于度量在不同敌手比例、网络拓扑和混合策略下匿名性退化的程度。实验基于大规模仿真，对比了Cascade、Stratified、Freedom等经典混合拓扑，发现当敌手节点占比超过30%时，大多数混合网络匿名性急剧下降。论文进一步提出了一种基于随机转发与动态路径选择的缓解机制，该机制能够在不显著增加延迟的前提下，将敌手节点的影响降低一个数量级。主要贡献包括：1）首个系统性的混合网络抗敌手节点量化分析；2）一个可扩展的评估框架；3）一种实用的缓解方案。适合对匿名通信、网络防御和隐私保护感兴趣的研究人员阅读。

本文提出 ProbFlow，一种基于概率编程的方法，用于估计 Tor 匿名通信网络中继节点的容量。作者首先改进了先前提出的网络概率模型，使其能够更准确地反映真实 Tor 网络的复杂性。然后利用 NumPyro 概率编程语言进行推理，克服了纯解析方法难以处理的数学障碍。ProbFlow 被集成到 Tor 网络现有的容量估计算法中。通过在基于流的 Python 模拟器和 Shadow 模拟器（Tor 网络最高保真度的模拟器）上的实验，ProbFlow 能显著提升估计准确性，从而改善用户性能：在 Shadow 模拟中平均下载速度提高了 25%。该研究为匿名网络的性能优化提供了新的概率建模思路。

网站指纹（WF）攻击严重威胁匿名网络（如Tor）用户的隐私。尽管已有多种防御方案，但面对基于深度学习的先进WF攻击，现有防御效率不足。本文提出Palette，一种新颖且实用的实时WF防御方法，通过流量簇匿名化保护实时Tor流量。核心思想是将流量模式高度相似的网站聚类，并为每个簇（即一组相似网站）设计统一的标准化流量模式，从而阻止攻击者区分簇内相似网站，提供强匿名保证。Palette的关键步骤包括：首先，基于真实流量特征对网站进行聚类；其次，为每个簇生成一个统一的目标流量模式（例如，通过填充、调整数据包大小和时序等）；然后，在流量传输过程中实时将簇内网站的流量整形为该统一模式。实验使用公开真实数据集进行综合评估，结果表明Palette在可接受的额外开销下，大幅降低了最先进WF攻击的准确率。具体地，在Tor网络中以可插拔传输（Pluggable Transport）形式实现Palette并部署后，平均将SOTA WF攻击的准确率降低73.60%，相比现有防御提升33.50%-43.47%。该方法适用于所有关注匿名通信安全的场景，尤其适合Tor网络运营商、隐私保护研究人员及安全产品开发者阅读。

本技术报告旨在评估基于Tor的以太坊验证者位置隐私保护方案。以太坊网络的验证者节点在参与共识时，其IP地址与身份（如验证者公钥）之间的可关联性会带来严重的安全风险：攻击者可通过关联IP和身份，结合验证者的出块时机，发起拒绝服务（DoS）攻击、利用最大可提取价值（MEV）或破坏最终确定性。因此，保护验证者的IP地址匿名性对于维护网络信任和韧性至关重要。论文首先回顾了已有的网络层和共识层隐私保护技术，指出这些方案在可部署性或隐私保证上的不足。随后，作者提出并评估了一种名为Tor push的协议：该协议通过将验证者的证明（attestation）、聚合（aggregation）和区块提案（block proposal）流量经由Tor网络转发，从而在验证者身份与节点IP之间实现去关联。为了验证可行性，作者在Nimbus以太坊客户端中实现了Tor push的概念验证（PoC），并在Goerli测试网上运行。实验结果显示，Tor push的平均延迟开销约为613.82毫秒，该延迟对于以太坊网络性能的影响处于可接受范围，同时显著增强了验证者的位置隐私。论文还分析了Tor push的安全性，包括针对Tor出口节点的信任模型、Sybil攻击风险以及延迟波动对共识的影响。整体而言，该研究证明了将Tor集成到现有以太坊网络中是一种可行且有效的隐私增强方案，为验证者隐私保护提供了一种实用的工程化路径。

本论文提出一种基于Tor多电路分发的量子弹性会话密钥建立方案，以应对未来量子计算机对现有公钥密码（RSA、DH、ECC）的威胁（Shor算法）以及“先存储、后解密”（HNDL）攻击。方案的核心思想是：在Tor网络环境下，由洋葱服务代理生成会话密钥，并将其分割为多个独立加密的片段，每个片段通过一条全新的、基于NEWNYM信号创建的临时Tor电路传输给客户端。重建会话密钥需要所有片段完整到达。安全性依赖于洋葱路由的端到端关联下界：攻击者必须同时对每条电路进行去匿名化才能关联属于同一会话的片段，且成功概率随片段数量呈乘积衰减。作者在AWS EC2上实现了一个基于Flask的原型，代理和客户端均部署为Tor洋葱服务，并通过实验测量了端到端密钥建立延迟。结果表明，平均密钥建立时间为13-20秒，其中约88%的延迟来自Tor网络本身（包括尾部延迟7-50秒）。论文讨论了该方案在隐私与响应速度之间的权衡，并指出其适用于对延迟不敏感但需要长期保密性的场景。尽管该方案尚未在真实对抗环境中验证，但其设计提供了一个新颖的、基于现有匿名网络的抗量子密钥分发思路。

本文提出了一种基于潜几何结构进行异常检测的新型框架。传统异常检测方法通常在测量信号超过预设阈值时才发出告警，只能捕捉到状态转变的瞬间，而无法感知转变前的结构压力。作者将大规模行为群体（如匿名网络中的节点行为）视为一个几何能量景观，其形变可以在主要转变发生之前和期间被测量。核心论点是：结构先于几何——群体的结构组织本身就是信号，而几何度量是测量该信号的工具。该框架应用于Tor匿名网络的67个连续每日观察窗口，通过双观察者流水线（dual-observer pipeline）识别出一个稳定的九维承载子空间（load-bearing subspace），该子空间在整个观测期内保持结构不变，并通过蒙特卡洛模拟在16.8 sigma的信噪比下验证了其统计显著性。在24个确认稳定的窗口上，主要检测门限的假阳性率为0.0%。对2026年2月20日一个已确认的基础设施事件进行取证分析，正式反驳了“中继离开”假设，识别出了一种无需拓扑变化即可发生的连接退化模式，并证明这种退化可作为可检测的网络故障模式。本文的贡献在于提出了一个候选的结构监测框架，适用于具有足够遥测数据的行为群体，能够发现传统方法难以捕捉的异常模式。

本文研究在低延迟匿名网络（如Tor）中，攻击者如何通过主动带宽扰动实施流量相关性分析，从而破坏用户的匿名性。现有的被动流量关联方法需要攻击者控制端点或修改Tor浏览器，而本文提出的NATA（非侵入式主动流量关联分析算法）无需上述条件，仅需攻击者控制上游网络网关并观察出口中继的流量，即可通过注入可区分的吞吐量模式来标记流量。为了在复杂网络变化中识别被扰动的流，作者设计了BM-Net（带宽调制网络），一种选择性状态空间学习框架，用于检测带宽调制。BM-Net采用数据高效学习策略：首先通过掩码预训练在序列化流量轨迹上学习可复用的表征，然后利用任务特定的标注数据进行二值扰动检测和细粒度调制分类的迁移学习。基于真实Tor流量测量，BM-Net在二值检测上达到99.65%的F1分数，在细粒度调制分类上达到97.5%的宏F1分数。此外，通过基于tornettools的大规模仿真，估计了在带宽加权中继选择下的出口观察概率。结果表明，主动带宽扰动可作为一种基础设施级别的侧信道用于流量关联，对Tor匿名性构成切实威胁。

本文提出了一种基于聚类的低开销、可证明的网站指纹防御框架。网站指纹攻击利用加密流量的模式（如数据包大小、时间间隔）来识别用户访问的网站，对匿名通信系统（如Tor）构成严重威胁。现有防御方法如Walkie-Talkie和WFDefender虽然有效，但会引入较大的延迟或带宽开销，且缺乏可证明的安全保证。本文的核心思想是将网站聚类成组，使得同一组内的网站无法被攻击者区分。作者设计了一个聚类算法，通过最大化组内相似性和组间差异性，将具有相似流量模式的网站归为一类。然后，针对每个集群，应用轻量级的流量整形技术（如填充和重排），使得集群内的所有网站流量模式难以区分。理论分析证明了该防御在信息论意义上提供了可证明的隐私保证。实验使用WF攻击（如k-NN, CUMUL, DF）在Tor流量数据集上评估，结果表明该框架在提供与现有防御相当的保护水平的同时，将开销（延迟和带宽）降低了50%以上。该工作为低开销、可证明的网站指纹防御提供了新思路。