Traffic analysis attacks can counteract end-to-end encryption and use the leaked communication metadata to reveal information about the communicating parties. With an ever-increasing amount of traffic by an ever-increasing amount of networked devices, this undermines communication privacy and goes against the uptrend of limiting personal data collection. Therefore, Anonymous Communication Systems (ACSs) are proposed to protect the users' privacy by hiding the relationship between transmitted messages and their senders and receivers, providing privacy properties known as anonymity, unlinkability and unobservability. This article aims to review the research in the ACSs field based on its applicability in real-world scenarios. First, we present an overview of the underlying principles of ACSs and different methods. Then, we focus on Dining Cryptographers Networks (DCNs) and the methods for anonymous communication that are based on them. We investigate the alignment of ACSs with the privacy terminologies. Most notably, the DCN-based methods are information-theoretically secure and thus provide unconditional unobservability guarantees. Their initial adoption for anonymous communications was hindered initially as their computational and communication overhead was deemed too significant at that time and scalability problems occurred. However, several more recent contributions such as the possibility to transmit arbitrary length messages, efficient handling of disruptors and improvements in overhead made the integration of modern DCN-based methods more realistic. Previous surveys on ACSs did not cover the most recent research advances in this area or did not focus on DCN-based methods. This comprehensive investigation of modern ACSs and DCN-based systems closes this gap.


翻译:因此,匿名通信系统(ACS)建议保护用户隐私,隐藏传送的信息与其发件人和接收人之间的关系,提供匿名、不可连接和不可观测的隐私特性。这篇文章的目的是根据ACS在现实世界情景中的可应用性,审查ACS领域的研究。首先,我们概述了ACS的基本原则和不同方法。然后,我们侧重于Dining Captors网络(DCNs)和基于这些网络的匿名通信方法。我们调查ACS系统与隐私术语之间的关系,特别是基于信息的基于信息的信息安全性、不可连接性和不可观测性。DCN领域最初采用的匿名通信系统在现实世界情景中的可应用性方面有碍于其应用性。在近期的计算和通信领域,由于对最新数据流数据的处理效率的提高,DCSS的这一现代成本性研究领域没有发生如此重大的改进。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
专知会员服务
50+阅读 · 2020年12月14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
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10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
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23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 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
国家自然科学基金
1+阅读 · 2015年12月31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
0+阅读 · 2013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 · 2013年12月31日
国家自然科学基金
1+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 · 2011年12月31日
Arxiv
13+阅读 · 2022年8月16日
Arxiv
17+阅读 · 2022年2月23日
Arxiv
54+阅读 · 2022年1月1日
A Survey on Edge Intelligence
Arxiv
50+阅读 · 2020年3月26日
Arxiv
92+阅读 · 2020年2月28日
Arxiv
45+阅读 · 2019年12月20日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14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
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10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
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
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23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 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31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
0+阅读 · 2013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 · 2013年12月31日
国家自然科学基金
1+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 · 2011年12月31日
Top
微信扫码咨询专知VIP会员