一种基于patching和对比学习的流关联攻击方法

本发明涉及流量分析领域，提供了一种基于patching和对比学习的流关联攻击方法。主要解决的技术问题是现有流关联攻击方法中流嵌入时间不一致、计算成本高和准确率低的问题。主要技术方案包括使用基于时间的patching将Tor流和exit流分割为时间长度相同的patch，其中Tor流和exit流分别表示进入和退出Tor网络的流量；使用基于patch的特征嵌入网络获取流嵌入；采用对比学习来训练特征嵌入网络，使模型能够有效地学习流嵌入；使用余弦相似度作为评估流相关性的指标，进行流关联攻击。本发明用于流量分析领域，特别是在Tor网络等匿名通信系统中的流量关联分析，能够提高攻击的准确性和效率，降低计算成本。