TSA-WF: Exploring the Effectiveness of Time Series Analysis for Website Fingerprinting
Notice bibliographique
Résumé
Procedure 1) First, obtain raw datasets from the Github of the Jin et al. Paper. - These should be placed into ../datasets/no_defense/test and ../datasets/no_defense/train. Ensure pipelinetools.py (which contains all the processing and functionality) is in the same directory as the jupyter notebooks. 2) (Optional) Create synthetic multi-tab merged traces using create_merged_traces.ipynb. This will produce ../datasets/no_defense/train_X-tab and ../datasets/no_defense/test_X-tab files. Here, you can configure the number of tabs and overlap between tabs. 3) (Optional) Combine the datasets into a single, large file with merge-files.ipynb. 4) Then, generate shapelet data from the merged datasets with generate-shapelets.ipynb. This will produce shapelets under ../datasets/no_defense/shapelets. Note that regardless of the number of tabs used, the same shapelets will be created from the original data obtained in 1). 5) Compute distances between the dataset and shapelets using compute-distances.ipynb. This will produce distance computations within the ../results/data/X/ folder of the format type={pos,neg}_centroid_id={0,1}_tabs={3,5,7}_dataset={no_defense,...,overlaps,...,defenses}_set={train,test}. 6) Finally, the accuracy scores can be generated with merge-results_classify.ipynb. For demonstration purposes, this is a random forest (XGBoost was used in Table 4), replace with your choice. The Accuracy score will be printed in the notebook. 7) (Optional) To find trace locations in multi-tab traces (From Section 5.4) use check_distances.ipynb. For demonstration purposes we use a random forest classifier, but this can be replaced with any (e.g., TSA-WF/DF/Tik-Tok). Note that the label used is configurable as True, Random, or Predicted. 8) (Optional) Defended traces can be generated by repeating steps 2) - 7) after applying the code provided by the defense's Github Repositories Note: Charts in the paper were created in check_distances_chart.ipynb and graph_figures.ipynb.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».