MAppPrint：通过流量行为关联图实现鲁棒、实时的移动 App 指纹识别

在动态网络、实时约束和未知数量的多应用并发下，如何从加密流量识别正在使用的移动应用。

• 场景与重要性：作者称，通信加密后，对手仍可在无线接入点、交换机和网关嗅探流量，用包长、包间隔等侧信道推断应用，监视实时行为，或针对交易、登录发起后续攻击。
• 现有方法不足：单流方法只利用单个网络流，作者称实践中精度不理想。多流方法独立抽取每流特征再在流级聚合，只得到粗粒度并发模式；作者称其在应用更新、网络抖动或地域变化下易漂移，也难区分功能相似应用。长观察窗带来高识别延迟，多数方法还忽略高流量下的吞吐，并假设一次只有一个应用。
• 核心观察：作者认为，同一方向、到达间隔小的连续包是承载完整联网活动的最小单位，局部模式较稳定；行为之间的响应与触发对应应用内操作逻辑和模块依赖，因而可作指纹。
• 本文做法：提出 MAppPrint。用流量行为相关图 TBCG 建模单位行为及顺序、触发、并发三种相关，压缩冗余节点与边，再无监督分解，统一识别单应用与多应用流量。
• 威胁模型：
  • 目标：从加密流量识别正在使用的应用，以推断目标用户的行为状态，或便于后续攻击。
  • 知识：攻击前在离线环境采集目标应用样本并训练模型。不能利用包载荷，也不能利用域名、SNI 等目的元数据；作者称这些信息通常已加密。对并发应用数量没有先验。
  • 能力：在移动网络边缘嗅探。部署条件包括应用更新、地域或网络变化、网络抖动，以及高速大流量下的实时跟踪。流量可以是单应用，或同一设备上多应用混合。
  • 受害对象：移动设备与远端服务器之间的加密流量。训练好的模型部署在目标网络上分析流量轨迹。

单流应用指纹

• AppScanner（Taylor 等，EuroS&P 2016；TIFS 2018）：用 54 个包长统计特征表示每条 TCP 流，再用 SVM 识别应用。引言把早期单流攻击标为从单条流学习可区分模式，引用包括 FS-Net（Liu 等，INFOCOM 2019）。
• DappGraph（Shen 等，TIFS 2021）与 GFGC（Karunanayake 等，TIFS 2024）：把每条网络流表示为包交互图，再用 GNN 识别应用。

多流应用指纹

• FlowPrint（van Ede 等，NDSS 2020）与 MAppGraph（Pham 等，ACSAC 2021）：把并发流表示为目的相关图，分别用图匹配或 DGCNN 识别。
• FG-Net（Jiang 等，Computer Networks 2022）、FlowMiner（Xu 等，INFOCOM 2025），以及 Tan 等（TIFS 2024）：把并发流表示为流交互图并用 GNN。Table I 将该工作写作 STC-WF，Related Work 写作 STC-WC，引用同为 [20]。Table I 还列入 HA（Qu 等，USENIX Security 2023）。
• 作者对这一类的批评是：单流方法未能捕捉流之间的相关；现有多流方法在动态环境中脆弱、时效有限，且不能处理多应用，因而仍不适于真实 AF。

网站指纹

• 手工特征包括 k-fingerprinting（Hayes 与 Danezis，USENIX Security 2016）和 Panchenko 等（NDSS 2016），配合 SVM 或随机森林，做成轻量网站指纹系统。
• 自动学习包括 AWF（Rimmer 等，NDSS 2018），用 CNN、RNN 或 Transformer 从原始流量学习指纹并识别网站。
• 多标签页网站指纹（Yin 等，TDSC 2021；Deng 等，S&P 2023；Jin 等，CCS 2023）把同时访问多个网站做成多标签分类，并假设用户只打开预设数量的网站。作者称该假设阻碍其直接用于真实 AF。

基线与数据集

• 基线方法：4 个单流方法 AppScanner、AWF、FS-Net、DappGraph，以及 4 个多流方法 FlowPrint、MappGraph、FG-Net、FlowMiner。指标为 Precision 与 F1。
• 基准/数据集：FOAP、MAPP、SIM-APP、SAMF、MAMF、SAMF-Drift、SAMF-Region、SAMF-Net、SAMF-Failure；讨论中还使用 X-Web、IoT-SENTINEL、USTC-TFC。

作者把本文与离线、只聚合并发流的多流攻击分开：以流量行为为分析单位并捕捉行为级依赖，再用压缩和分解处理单应用与多应用。贡献中作者称 MAppPrint 是同时兼顾精度、时效与鲁棒性的首个 AF 方法，并称所发布基准是首个复杂场景 AF 基准。

MAppPrint 分三步：构建 TBCG、压缩图、识别应用。输入是观察窗内的流量轨迹，输出单应用或多应用标签。

单位流量行为

• 轨迹是包序列。每个包含五元组、字节长度、方向和时间戳；五元组相同的包构成流，双向流同时含上行和下行。
• 单位流量行为是一条双向流中、同一方向、到达间隔不超过阈值的连续包。抽取见附录 Alg. 1。默认包间隔阈值 δ 为 600ms（Table XIII）。
• 每个行为变成 12 维向量：6 个传输特征、3 个长度特征、3 个时间特征（附录 Table X）。作者称这些特征忽略具体包细节，以减轻动态网络对指纹稳定性的影响。

三种相关与建图

• 顺序相关：同一流且时间上相邻，间隔小于 δ′。默认 δ′ 为 1s，表示流内请求—响应。
• 触发相关：不同流、持续时间不重叠，间隔小于 δ″。默认 δ″ 为 2s。作者用在线支付触发认证、认证成功后才支付来说明模块依赖。
• 并发相关：不同流且持续时间重叠，两个方向都连边。作者用同时请求文字、图像和视频来说明跨流协作。
• TBCG 是有向无环图，节点为行为，边为上述任一相关。建图见附录 Alg. 2。

图压缩

• 作者用 Facebook 的 3,000 条 10 秒轨迹说明未压缩图偏大：平均 164 个节点、325 条边（Fig 3）。
• 离线选取 K 个锚点，只把每个节点与锚点比较；都与同一锚点相似则合并。作者称这样避免两两比较，并称 K/|V| 取 0.1 到 0.2 能平衡压缩与精度。Table XIII 中 K 为应用数乘 20。
• 不超过 3 个包的为短行为。作者在 6,000 个 Facebook 行为中称短行为占 91%，但只传输 32% 字节。短行为按频率取前 0.9K 个，用完整包长序列比较；长行为用 PrefixSpan 取前 0.1K 个高频包长子序列。锚点挖掘在部署前完成。
• 相似节点并成伪节点，特征取均值，继承原边，再删除重复边。

单应用分类与类型判定

• 每个应用一个 one-vs-rest GNN：图注意力层、均值池化、sigmoid 输出接受概率。作者称它比多类分类器更能拒绝训练时未见的多应用流量。L 个输出堆叠并归一化成分布 p，各分类器以交叉熵独立训练（附录 Alg. 3）。
• 结构为两层 GAT，隐层 128，4 个注意力头，dropout 0.1（Table XII）。学习率 0.001，批大小 32（Table XIII）。实现为 Python 3.8、TShark 与 PyTorch，五折交叉验证取平均。
• 作者称单应用的 p 常为单峰，多应用更平坦（Fig 5）。相似度定义为 s=1/(1+χ²(p,1(p)))，即 p 与其单点分布的接近程度。阈值 θ=μ−3δ，μ、δ 为全部已标注单应用轨迹上 s 的均值和标准差。s 不小于 θ 则标签取 argmax，否则进入分解。

多应用分解

• 去掉全部触发边和并发边，使子图只保留流内顺序结构。作者称每个子图属于一个应用，并刻画流级交互与传输。子图做成 10 维特征（附录 Table XI）。
• 用 DBSCAN 聚类，默认最大簇半径 0.5、最小点数 2。同簇子图按原图的边合并回单应用 TBCG，再送入单应用分类器。
• 作者称这样把多应用识别还原为多个单应用识别，以免为应用组合收集大量标注。讨论中作者称系统设计为部署在 NAT 之前，以便事先分开不同设备的流。

实验设置

• 方法：MAppPrint；基线为 AppScanner、AWF、FS-Net、DappGraph、FlowPrint、MappGraph、FG-Net、FlowMiner。
• 数据：FOAP 取 1,000 个应用中采集时间最长的 120 个；MAPP 为 Google Play 前 101，由志愿者真实交互触发；SIM-APP 为 17 个功能相似的在线音频应用。SAMF 从 Play 前 100 去掉需身份认证的网银和支付应用，余 94 个。MAMF 并发数为 2∼5。动态集为 SAMF-Drift、SAMF-Region、SAMF-Net、SAMF-Failure。作者称共 12 个数据集、超过 450 GB。
• 协议：单应用的 wt 为 5s、10s、20s、60s；多应用、鲁棒性和效率实验用 wt=30s。五折交叉验证，报告平均 Precision 与 F1。另报 TPR、FNR、聚类准确率、吞吐和预测延迟。
• 平台：效率实验在 i7-10875 CPU、RTX2060 GPU 的笔记本上重放 SAMF。论文未报告各数据集的轨迹条数。

主结果

下表为 wt=60s 的 Precision（%），据 Table III、IV。省略 AppScanner、FS-Net、FlowMiner，三者在 FOAP、MAPP、SAMF、SIM-APP 上依次为 92.4/93.8/82.9/84.9、81.0/78.7/51.9/72.3、90.4/91.3/86.4/75.0。

表格较宽，可左右滑动

方法	FOAP	MAPP	SAMF	SIM-APP
MAppPrint	96.5	97.8	93.1	87.1
FG-Net	90.7	93.6	88.0	77.3
MappGraph	90.7	92.5	81.1	76.3
AWF	65.5	75.1	76.7	78.6
FlowPrint	66.2	81.0	63.8	60.9
DappGraph	66.8	78.7	50.7	72.2

• 作者称在 FOAP、MAPP、SAMF 上相对 MappGraph 与 FG-Net 提升 4.9∼5.8%，在 SIM-APP 上提升 6.9∼7.6%。Table IV 中 SIM-APP、wt=60s，AppScanner 的 Precision 为 84.9%，MAppPrint 为 87.1%，FG-Net 为 77.3%。
• 作者称三个常规数据集上 wt=20s 不低于各基线 wt=60s，时效提升超过 300%；摘要写 3∼6 倍，并称 SIM-APP 为六倍。FOAP 上 MAppPrint 在 wt=20s 的 Precision 为 91.5%，低于 AppScanner 在 wt=60s 的 92.4%。SIM-APP 上 wt=10s 为 78.7%，低于 AppScanner 在 wt=60s 的 84.9%；其 F1 为 77.1%，AppScanner 在 wt=60s 的 F1 为 69.4%。
• 例外：MAPP 上 FS-Net 的 Precision 在 wt=5s 为 80.1%、wt=60s 为 78.7%；SAMF 上 DappGraph 在 wt=5s 与 60s 均为 50.7%；FOAP 上 FlowPrint 在 wt=5s 为 11.2%。

多应用识别

• Table VI、wt=30s：MAppPrint 前台 Precision 在 Na=2 到 5 为 77.9%、74.3%、72.8%、72.2%，后台从 75.1% 到 69.3%。作者称比最强基线高 12.1∼13.9%。同表 Na=5 前台，AWF 为 66.3%，FG-Net 为 34.1%。作者称多流基线随 Na 增加而下降，AppScanner 与 AWF 的降幅更小；并称前台通常更高，因为后台不能直接交互。
• Table VII：单应用 TPR 在 Na=2 到 5 为 98.3%、97.9%、98.2%、98.4%，多应用 TPR 为 88.2%、89.7%、91.5%、93.6%，整体 Precision 为 92.1%、93.4%、95.7%、95.9%。Table VIII 中 MAppPrint 聚类准确率从 73.4% 到 67.8%，AWF 从 61.3% 到 55.7%。作者称 Na 升高后混合模式更复杂，聚类准确率略降，但多应用也更易与单应用指纹区分。

动态环境

• 初始环境训练后冻结参数，wt=30s。SAMF-Drift 跟踪 94 个应用 120 天。作者称超过 80.0% 的应用已更新，120 天后 MAppPrint 的 Precision 仍高于 65.0%（Fig 6）。正文未给出该图其他读数。
• Table IX：MAppPrint 在 A⇒B、A⇒C、H⇒L、H⇒4G 的 Precision 为 80.0%、66.9%、72.3%、60.8%，FG-Net 为 72.8%、58.1%、64.3%、52.2%。A 距 B 为 50 km，距 C 超过 1,000 km。H、L、4G 分别为 30 MB/s 无线、5 MB/s 无线和 4G 蜂窝。
• 故障包括丢包、乱序、重传和流丢失，比率 0∼30%。作者称在 30% 乱序或流丢失下 Precision 下降 5%，且小于文中其他方法（Fig 7）。正文未给出 Fig 7 的逐点读数。

吞吐与延迟

• Fig 8：有压缩时平均吞吐 10.54 GB/s，无压缩时 0.42 GB/s；作者称约提高 25 倍。平均预测延迟 0.68s，其中构建 0.60s、压缩 0.08s，分离与识别为 4.1×10−3 s 与 6.3×10−3 s。摘要把吞吐写作 10.5 GB/s。作者称在 30 MB/s 下该笔记本可同时窃听约 360 台设备。
• Table XV、延迟 30s：吞吐为 AWF 2.87、FS-Net 0.90、MappGraph 6.38、FG-Net 4.49、MAppPrint 10.54 GB/s；Precision 为 76.4%、54.2%、80.9%、86.8%、93.0%。作者称吞吐至少高 65.2%、精度至少高 6.2%。
• Fig 9：节点减少 37.5∼81.5%，边减少 31.0∼61.3%，FLOPs 减少 38.4∼81.8%，内存减少 38.1∼85.1%。Fig 10：SIM-APP 的 Precision 下降 0.9%，另三个数据集上升 0.2%、1.5%、0.4%，论文未把这三个增量逐一对应到数据集。作者称 K/|V| 在 0.1 到 0.2 时，压缩比 40∼80%，吞吐提高 22∼25 倍，Precision 下降 0.2∼0.9%（Fig 14）。

其他消融与分析

• Table XX、wt=30s：完整 TBCG 在 MAPP/SIM-APP 的 Precision 为 97.2%/84.8%；去掉全部边为 92.8%/77.8%；换成 packet burst 为 94.7%/82.4%。
• Table V：应用专有流量上 MAppPrint 为 89.8%；.facebook.com 为 69.5%，.googleapis.com 为 79.4%，*.doubleclick.net 为 76.4%。
• Table XVII：应用内活动 Precision 72.4%、F1 72.0%。Table XVIII 中 Telegram 的 ChannelBrowse 与 TextChat 的 F1 均为 98.5%，Twitter 的 LiveView 为 41.7%。
• Table XIX：X-Web、IoT-SENTINEL、USTC-TFC 上 Precision 为 80.0%、82.3%、99.5%。USTC-TFC 上 FG-Net 同为 99.5%；IoT-SENTINEL 上 MappGraph 为 48.7%。
• Table XXI：开放世界（94 个目标应用加 FOAP 的 906 个非目标）Na=1、3、5 的 Precision 为 91.9%、68.6%、66.3%，闭世界为 93.0%、73.6%、70.6%。
• Table XXII：模拟 NAT 下 Nd=2、4 为 81.6%、75.7%，无 NAT 时为 92.9%、93.0%。作者称同一应用在不同设备上同时运行时不能正确指纹。Fig 16 比较包填充、包延迟和包注入，作者称包注入效果最好；正文未给出该图百分比。

作者指出的局限与后续方向

论文没有单独的 Limitations 节。Discussion 中明确写成后续工作的有两条。

• 多应用分离时，跨应用共享服务产生的歧义流量可能被错误聚类。作者称程度不高的这类误聚类不一定导致应用识别错误，并计划研究高歧义流量条件下的鲁棒性（§VI）。
• 同一应用在 NAT 后的不同设备上同时运行时，作者称不能正确指纹，并计划以后研究该问题（§VI）。

实验覆盖范围

• 单应用比较包含 MAppPrint 与 8 个基线，数据为 FOAP 的 120 个应用、MAPP 的 101 个、SIM-APP 的 17 个和 SAMF 的 94 个，窗口为 5s、10s、20s、60s，五折交叉验证报告平均 Precision 与 F1（§V-A、§V-B，Table III、IV）。
• 多应用使用 MAMF，并发数为 2∼5，窗口 30s，并区分前台与后台；单/多应用区分另按混合比 cr 分组（§V-C，Table VI–VIII、XIV）。
• 鲁棒性在 120 天更新、三座城市、30 MB/s 与 5 MB/s、WiFi 与蜂窝，以及丢包、乱序、重传、流丢失（故障率 0∼30%）上评测，模型冻结、不重训（§V-D，Table IX，Fig 6、7）。
• 效率在 i7-10875 CPU 与 RTX2060 GPU 的笔记本上重放 SAMF（§V-E）。§VI 还报告 6 个高交互应用的应用内活动、X-Web、IoT-SENTINEL、USTC-TFC、开放世界（94 个目标应用加 906 个非目标应用）、Nd=1、2、4 的模拟 NAT，以及包填充、包延迟、包注入。
• 论文未报告五折标准差或显著性检验，未报告各数据集轨迹条数，也未报告 Fig 6、Fig 7、Fig 15、Fig 16 的逐点读数。作者称多标签页网站指纹假设网站个数预设，因而未将其直接用作 AF 方法（§VII）。

MAppPrint 从移动网络边缘的加密流量识别正在使用的应用，面向动态网络、实时跟踪和未知数量的多应用并发。

它把短间隔、同方向的连续包当作单位行为，用顺序、触发和并发相关连成 TBCG，再按锚点合并相似节点。每个应用一个 GAT 的 one-vs-rest 分类器；标签分布接近单峰则输出单应用，否则去掉流间边并用 DBSCAN 拆回单应用图。对手不能使用载荷、域名和 SNI，也不知道并发应用数量。

• Table III、IV 中，wt=60s 的 Precision 在 FOAP、MAPP、SAMF、SIM-APP 上为 96.5%、97.8%、93.1%、87.1%。作者称相对最强基线提升 4.9∼5.8%，歧义集上提升 6.9∼7.6%，时效为 3∼6 倍。SIM-APP 上 AppScanner 在 wt=60s 为 84.9%。
• MAMF、wt=30s、Na=5 时，前台与后台 Precision 为 72.2% 与 69.3%（Table VI）。单/多应用区分的整体 Precision 在 Na=2 到 5 为 92.1% 到 95.9%（Table VII）。
• 冻结模型后，A⇒C 与 H⇒4G 的 Precision 为 66.9% 与 60.8%（Table IX）。作者称 120 天后仍高于 65.0%，30% 乱序或流丢失时下降 5%。
• 重放 SAMF 的平均吞吐为 10.54 GB/s，预测延迟为 0.68s（Fig 8）；摘要把吞吐写作 10.5 GB/s。作者称压缩约带来 25 倍吞吐。
• 作者的结论是，行为级依赖加上压缩和统一识别，可以在动态环境中做在线指纹。作者称包注入会同时打乱局部模式和行为相关；VPN 等隧道把多流封装进一条重加密流后，原相关不可观察。作者计划研究高歧义流量，以及 NAT 后同一应用在多设备上同时运行的情况。