DarkDiff：TOR暗网页面相似性的可解释性
摘要：利用大规模数据分析时，近似重复数据常常是一个问题。例如，对于两封几乎相同的网络钓鱼邮件来说，敬语（先生对太太）的差异并不重要，但是它是属于A银行还是B银行则很重要。近似重复检测的最新技术是一个黑盒方法（MinHash），因此我们只知道邮件是近似重复的，但不知道具体原因。我们提出了DarkDiff，它可以高效地检测近似重复，并提供导致近似重复的原因。我们已经开发了DarkDiff来检测暗网上主页的近似重复。DarkDiff在这些页面上表现良好，因为它们类似于过去的清晰网页。
作者：Pieter Hartel, Eljo Haspels, Mark van Staalduinen, Octavio Texeira
论文ID：2308.12134
分类：Cryptography and Security
分类简称：cs.CR
提交时间：2023-08-24