مریم طایبی - دانشجوی کارشناسی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان
علی بهلولی - استادیار، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان
مرجان کایدی - استادیار، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان

حمله انگشت نگاری وب سایت یک روش مبتنی بر تحلیل ترافیک است که در آن یک مهاجم محلی و غیرفعال، صفحات وب ملاقات شدهتوسط کاربران را شناسایی می کند. فرآیند شناسایی در دو مرحله انجام می شود: ابتدا مهاجم با جمع آوری دنباله های بسته صفحاتمختلف وب و استخراج ویژگی آنها، دسته بند مناسب را آموزش میدهد. سپس با کمک این دسته بند، صفحات وب ملاقات شده توسطکاربر را شناسایی می کند. تاکنون روش های مختلفی برای انگشت نگاری صفحه وب به کار رفته است که یکی از رایج ترین آنها روشk- نزدیکترین همسایه است. با توجه به ماهیت پویای صفحات وب، نیاز است که الگوریتم دسته بند به طور مکرر آموزش ببیند. ولی در اکثر روش های ارایه شده، برای سادگی، ماهیت پویای صفحات وب نادیده گرفته شده است؛ درحالیکه به علت نیاز به اجراهای مکرر،سرعت آموزش الگوریتم دسته بند حایز اهمیت است. این مقاله روشی برای افزایش سرعت آموزش الگوریتم -k نزدیکترین همسایهوزن دار برای دسته بندی ترافیک ارایه می دهد که در آن، ابعاد فضای ویژگی های ترافیک با استفاده از تحلیل مولفه های اساسی کاهش می یابد تا بدین طریق سرعت آموزش الگوریتم دسته بند افزایش یابد. نتایج نشان می دهند که این روش، با در نظر گرفتنتنظیمات جهان-باز، ضمن حفظ تقریبی دقت تشخیص، سرعت آموزش در اثر تغییرات صفحات وب را تا حدود چهار برابر افزایشمی دهد.

حمله انگشت نگاری وب سایت، تحلیل ترافیک، دسته بندی ترافیک، تحلیل مولفه های اساسی