Mixnets are a fundamental type of anonymous communication system and recent academic research has made progress in designing Mixnets that are scalable, have sustainable communication/computation overhead, and/or provable security. We focus our work on stratified Mixnets, a popular design with real-world adoption. The security of many designs rely on the anytrust assumption where at least one server in the user's path must be honest. We identify the critical role Mixnet topological configuration algorithms play for user anonymity, and propose Bow-Tie, a performant topological engineering design for Mixnets that further ensures the anytrust assumption holds realized by introducing guard mixes. To draw actionable conclusions, we perform an analysis of the best realistic and resource-bounded adversarial strategies against each of the studied algorithms, and evaluate security metrics against each best adversarial strategy. Moreover, we highlight the need for a temporal security analysis and develop routesim, a simulator to evaluate the effect of temporal dynamics and user behaviors over the Mixnet. The resulting security notions are complementary to the state-of-the-art entropic definitions. The simulator is designed to help Mixnets developers in assessing the devil in the details resulting from design decisions. Ultimately, our results suggest strong potential improvements to current designs and guidance for shaping Mix networks.


翻译:Mixnet是匿名通信系统的基本类型,最近学术研究在设计可扩展、具有可持续通信/计算间接费用和(或)可变安全的Mixnet方面取得了进展。我们的工作侧重于分层的Mixnets,这是采用现实世界的流行设计。许多设计的安全依赖于任何信任假设,即用户路径中至少一个服务器必须是诚实的。我们确定Mixnet地形配置算法对用户匿名起着关键作用,并提议Bow-Tie,这是Mixnets的一个表现式的地貌工程设计设计,通过引入保护组合进一步确保任何信托假设。为了得出可操作的结论,我们对每种研究的算法都进行了最佳的现实和有资源限制的对抗战略的分析,并根据每一种最佳对抗战略评价安全度。此外,我们强调有必要进行时间安全分析并开发路径模型,一个模拟器来评估时间动态动态和用户行为在Mixnet上的影响。由此产生的安全概念对于塑造当前设计师网络的强大设计结果具有辅助作用,而最终设计师对最终设计结果的模型进行评估。

0
下载
关闭预览

相关内容

机器学习组合优化
专知会员服务
108+阅读 · 2021年2月16日
专知会员服务
17+阅读 · 2020年9月6日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年7月18日
VIP会员
相关VIP内容
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员