Detecting user actions from encrypted traffic using machine learning

Bc. Tomáš Babej

Master's thesis

Anotácia:

Zámerom tejto práce je preskúmať použitie techník strojového učenia pre detekciu a identifikáciu užívateľských akcií (generovaných v Android aplikáciách) zo šifrovaného sieťového trafficu. Ako súčasť tejto práce sme vyvinuli robustný full-stack toolkit pre detekciu užívateľských akcií, schopný plnenia všetkých potrebných úloh od generovania dát automatickou interakciou s Android zariadeniami po tréning a vyhodnotenie modelov strojového učenia. Schopnosti toolkitu boli demoštrované na aplikácii Signal, ktorá bola preukazaná ako zraniteľná voči tejto forme útoku. Taktiež navrhujeme nový prístup k vyhodnocovaniu úspešnosti aplikácií pre detekciu užívateľských akcií zo šifrovaného trafficu.

Abstract:

The aim of this thesis is to investigate usage of machine learning techniques for detection and identification of user actions (generated in Android applications) from encrypted traffic streams. As part of this work, a robust full-stack User Action Detection Toolkit has been developed, capable of performing all the necessary tasks from generating the dataset by automating interaction with Android devices to actual machine learning model training and evaluation. The capabilities of the toolkit have been demonstrated on a double layer encrypted secure messaging application Signal, which we show to be susceptible to user action identification via machine learning approach. Additionally, we also suggest new, more robust approach for evaluation of user action detection tools.

Keywords

machine learning, encrypted traffic, user actions, detection and identification, android, Appium, Signal, uadt, strojové učenie, šifrovaný traffic, užívateľské akcie, detekcia a identifikácia

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 13. 12. 2017

Obhajoba závěrečné práce

• Obhajoba proběhla 9. 2. 2018
• Vedúci: RNDr. Martin Stehlík, Ph.D.
• Oponent: RNDr. Petr Švenda, Ph.D.

Masaryk University

Faculty of Informatics

Master programme / odbor:
Informatics / Information Technology Security