研究人员提出一种新的指纹攻击方法可以解密加密的Tor流量数据。

　　Tor 浏览器通过中继网络将互联网流量进行重新路由，为用户提供不可链接的隐私通信。使用的中继网络超过6500个，目标是每日为200-800万访问者提供源地址匿名和隐藏服务。

　　当前针对Tor网络的最危险的攻击是打破不可关联性，实现Tor用户的去匿名化。在指纹攻击中，攻击者只需要观察Tor网络的入口点就可以打破用户和访问的网站之间的不可关联性。针对Tor的网站指纹攻击通过分析用户与Tor网络之间的流量，可以提取出流量模式，实现对用户访问的站点的预测。

　　现有的网站指纹攻击方式已经有了很高的准确率，但是在现实场景下会出现各种各样的问题。研究人员为针对Tor网络的指纹攻击给出了新的威胁模型。

　　在该模型中，假设攻击者可以在退出中继点收集真实的网站流量样本。

　　虽然Tor网络中请求是加密的，但是Tor客户端在发送给入口中继点时是非匿名的，因为流量是加密的，请求会会经过多跳，入口中继无法识别出客户端的目的地址，出口中继点也无法确定客户端的源地址。

　　在该模型中，研究人员自己搭建了退出中继点来获取真实用户生成的流量，然后用于收集Tor流量的源，并提出一种基于机器学习的分类模型来对收集的信息进行处理，来推测用户访问的网站信息。

　　通过分析研究人员证明了在对5个主流网站进行监测时，恶意指纹攻击的分类准确率可以达到95%，如果对25个网络进行监测，恶意指纹攻击的准确率会降低到80%，如果对100个网站进行监控，那么恶意指纹攻击的准确率会降低到60%。因此，指纹攻击可能无法应用于大规模的现实监测中。