# P2P 匿名性：數位調查與端對端流量關聯

# P2P 匿名性、數位調查與端對端流量關聯研究報告

**版本：2026-08**  
**主題：BitTorrent / VPN / Mullvad / Tor / I2P / Traffic Correlation / Traffic Analysis Defense**

---

## 摘要

現代網路匿名性的核心問題，已經不能簡化成「是否隱藏真實 IP」。更完整的模型必須同時考慮：

\[
\text{Network Identity}
+
\text{Protocol Metadata}
+
\text{Session Linkability}
+
\text{Temporal Correlation}
+
\text{Behavioral Fingerprint}
+
\text{Cross-Layer Identity}
+
\text{Endpoint Evidence}
\]

匿名系統的目標，可以形式化為最大化：

\[
H(U\mid O)
\]

其中 \(U\) 是真實使用者，\(O\) 是攻擊者掌握的所有 observations；也就是在觀察網路、時間、帳號、裝置、協定等資訊之後，仍保留最大的身分不確定性。

調查者則反過來，希望透過：

\[
O_1+O_2+\cdots+O_n
\rightarrow
\text{Entity Resolution}
\rightarrow
\text{Attribution}
\]

讓：

\[
H(U\mid O_1,\ldots,O_n)
\downarrow
\]

因此，現代調查通常不是直接「破解 VPN」或「破解 WireGuard」，而是透過 **metadata correlation、timeline analysis、graph correlation、traffic analysis、account records、endpoint forensics 與多來源證據融合**逐漸縮小候選集合。

本報告的核心結論是：

> **VPN 最擅長切斷「住宅 IP → Internet activity」這條直接關聯，但不能自動提供 activity unlinkability、traffic-analysis resistance 或 long-term anonymity。**

而對於能同時觀察低延遲通訊兩端的強大攻擊者，目前仍沒有兼具**低延遲、低頻寬開銷、強匿名性**的實用通用解法。Tor 官方目前仍明確承認此限制；匿名通訊研究中的 Anonymity Trilemma 也進一步形式化了這種基本 trade-off。

---

# 1. P2P 的基本匿名性問題

## 1.1 BitTorrent 本質上不是匿名協定

BitTorrent 的首要目標是：

> 高效率地尋找其他 peers 並交換資料。

而不是：

> 隱藏誰正在參與某個 swarm。

因此 BitTorrent 原生存在多個可觀察面：

```text
                  ┌── Tracker
                  │
BitTorrent Client ├── DHT
                  │
                  ├── PEX
                  │
                  ├── Peers
                  │
                  └── Local Peer Discovery
```

標準 UDP Tracker announce 可包含：

- `info_hash`
- `peer_id`
- `downloaded`
- `left`
- `uploaded`
- `event`
- listening port

tracker 同時自然可以看到來源 network endpoint。

因此 tracker 很容易形成：

\[
(IP,\ InfoHash,\ Timestamp)
\]

甚至：

\[
(IP,\ InfoHash,\ Uploaded,\ Left,\ Event,\ Timestamp)
\]

這是 BitTorrent protocol 的正常設計，而不是漏洞。

---

# 2. DHT 與 PEX 的暴露面

BitTorrent DHT（BEP-5）是一個分散式 peer discovery 系統。

其核心操作之一：

\[
get\_peers(info\_hash)
\]

可以取得某 torrent 對應的 peer contact information；而 `announce_peer` 則用來向 DHT 宣告自己正參與該 torrent。

BEP-5 更要求 `announce_peer` 使用的 token 與發出查詢的來源 IP 綁定，查詢節點最後會把該來源 IP 與 port 儲存在對應 infohash 下。

所以可以把 DHT 理解為：

> **分散式的 `infohash → peer endpoint` discovery database。**

PEX 則在已建立 BitTorrent 連線的 peers 之間交換其他 peer 資訊，是另一個 peer discovery surface。

因此：

```text
DHT OFF
PEX OFF
```

確實可以降低公開 discovery surface，但不等於匿名：

```text
Tracker → 仍可看到 endpoint
Peers   → 仍可看到 endpoint
```

真正決定「住宅 IP 是否暴露」的主要因素仍是 network routing boundary。

---

# 3. P2P 大規模監控已經不是理論問題

2010 年 USENIX LEET 的 **Spying the World from Your Laptop** 已經展示，只使用單機與 BitTorrent 公開基礎設施，就可以長時間大規模建立使用者與 torrent 活動之間的 mapping。

該研究在 103 天內蒐集約：

- 1.48 億個 IP
- 約 20 億次 content-copy observations

並報告能對其觀察到的大量新 torrent 推測內容初始提供者。

但反方向也有一項重要研究。

HotSec 2008 的：

**Why My Printer Received a DMCA Takedown Notice**

證明單純根據 tracker 回傳的 IP 資訊可能產生 false attribution，甚至讓沒有實際參與資料交換的裝置收到侵權通知。

因此 forensic evidence 必須區分：

\[
IP\ listed\ by\ tracker
\]

和：

\[
IP\ actually\ exchanged\ verified\ content
\]

兩者的證據強度不同。

---

# 4. 匿名性應該拆成不同 Security Properties

「匿名」不是單一 Boolean。

比較完整的模型可以寫成：

\[
P=
(P_{IP},
P_{identity},
P_{activity},
P_{cross},
P_{fingerprint},
P_{timing},
P_{longitudinal})
\]

## 4.1 Real-IP Confidentiality

希望：

```text
Tracker
Peer
DHT
Website
```

看不到住宅／公司 WAN IP。

VPN 最擅長解決這一層。

---

## 4.2 Identity Anonymity

即使看到某個活動，也不知道：

```text
Activity X
    ↓
Who?
```

---

## 4.3 Activity Unlinkability

即使存在：

```text
Activity A
Activity B
Activity C
Activity D
```

也不能容易判斷：

\[
A=B=C=D=\text{same actor}
\]

這比單純 IP hiding 更強。

---

## 4.4 Cross-Layer Unlinkability

避免：

```text
Browser Identity
      │
      ├── Website account
      │
P2P Identity
      │
      └── Tracker/DHT
```

被證明屬於同一個 entity。

---

## 4.5 Fingerprint Minimization

降低：

```text
client version
peer ID pattern
User-Agent
protocol extensions
OS/application behavior
```

等 software fingerprint。

qBittorrent 的 Anonymous Mode 主要屬於這一類。官方明確指出它本身不提供強匿名性，而是減少 BitTorrent client 暴露的 identifying information。

---

## 4.6 Timing / Traffic-Analysis Resistance

希望入口：

\[
X(t)
\]

與出口：

\[
Y(t)
\]

不容易被判斷為同一條 communication。

這是 Tor、VPN 與大多數 low-latency anonymity systems 最難解決的問題之一。

---

## 4.7 Longitudinal Anonymity

匿名不只是：

> 一次活動有沒有洩漏。

而是：

> 進行數百、數千次活動後，歷史 observations 是否會逐漸把 identity 揭露出來？

因此真正應研究：

\[
H(U\mid O^{(1)},O^{(2)},...,O^{(n)})
\]

而不是只有單一 session。

---

# 5. 調查者的現代模型

現代數位調查可以抽象成：

```text
                 Observable Event
                       │
        ┌──────────────┼──────────────┐
        ▼              ▼              ▼
     Network        Service        Endpoint
     Evidence       Evidence       Evidence
        │              │              │
        ├──────────────┼──────────────┤
                       ▼
                    Timeline
                       │
                       ▼
                Entity Resolution
                       │
                       ▼
                Candidate Ranking
                       │
                       ▼
                 Corroboration
                       │
                       ▼
                   Attribution
```

調查者不一定需要一項具有決定性的證據。

更常見的是：

\[
E_1+E_2+E_3+\cdots+E_n
\]

全部支持同一 hypothesis。

---

# 6. Graph-based Attribution Model

這個問題很適合建模成：

\[
G=(V,E)
\]

其中 nodes 可以包括：

```text
Person
Account
Device
IP
VPN Exit
Session
Browser
Torrent
Infohash
Tracker Event
Server
Payment
Email
Timestamp
```

edges 則可以包括：

```text
connected_from
logged_in_from
observed_at
announced
created
controlled_by
paid_for
same_session
same_device
temporally_correlated
```

調查的本質，就是從許多 disconnected components：

```text
A        B        C
```

逐漸找到可信的 cross-component edges：

```text
A ───── B ───── C
```

最後形成 entity cluster。

---

# 7. Bayesian Attribution

假設：

\[
H_A=\text{Alice 是 Activity X 的操作者}
\]

有證據：

\[
E_1,E_2,\ldots,E_n
\]

則持續更新：

\[
P(H_A\mid E_1,\ldots,E_n)
\]

這很好地描述「大量弱訊號逐漸形成強 attribution」的過程。

但實務上不能簡單假設：

\[
P(E_1,E_2|H)
=
P(E_1|H)P(E_2|H)
\]

因為很多 evidence 具有共因或來自同一 observation source。

否則容易發生 **double counting evidence**。

---

# 8. Intersection Attack

另一個很重要的匿名性模型是候選集合交集。

假設：

\[
S_0
\]

是所有可能使用者。

第一次事件發生時在線：

\[
S_1
\]

第二次：

\[
S_2
\]

持續：

\[
S^*
=
S_1\cap S_2\cap\dots\cap S_n
\]

可能形成：

```text
10000
  ↓
3000
  ↓
600
  ↓
80
  ↓
12
  ↓
2
```

I2P 自己的 threat model 也明確把 timing、intersection、predecessor、Sybil、traffic analysis 等列為需要考慮的匿名攻擊類型。

因此：

> **長期、重複、具有規律的匿名活動，本身就是風險累積。**

---

# 9. P2P 的第一級防禦：Network Isolation

如果安全要求只是：

> **BitTorrent 的真實住宅 IP 絕不能進入 tracker、DHT 或 swarm。**

工程上最可靠的 security invariant 應該是：

\[
\forall p\in P2PTraffic:
OutgoingInterface(p)=VPN
\]

以及：

\[
VPN\downarrow
\Rightarrow
P2PTraffic=0
\]

也就是 **fail closed**。

---

# 10. VPN + Application Binding

qBittorrent 可以將自身 bind 到指定 VPN network interface。

官方文件把這項功能明確描述為 VPN kill-switch 之外額外的一層防洩漏保護：VPN interface 不存在時，qBittorrent 不應改走普通實體 interface。

典型：

```text
eth0 = physical WAN
wg0  = VPN

qBittorrent
     │
     └── bind wg0
```

---

# 11. Firewall Fail-Closed

更進一步：

\[
P2P\ process
\land
oif\neq wg0
\Rightarrow DROP
\]

也就是：

```text
               ┌── wg0  → ALLOW
qBittorrent ───┤
               └── eth0 → DROP
```

這可以保護：

- VPN daemon crash
- routing mistake
- reconnect
- interface changes

等錯誤情境。

---

# 12. Network Namespace

更強的架構是：

```text
Physical Namespace
│
└── eth0 / wlan0
        │
        └── encrypted WireGuard socket


P2P Namespace
│
├── qBittorrent
└── wg0
```

P2P namespace 根本沒有：

```text
eth0
wlan0
```

因此即使 VPN route 消失，也沒有普通 WAN fallback path。

WireGuard 官方文件直接展示了這種模式：container/network namespace 中可以只有 `wg0`，因此唯一可用的 Internet route 就是 WireGuard。

這比單純依賴：

```text
default route → VPN
```

更容易建立 kernel-level security invariant。

---

# 13. 為什麼 Routing-only VPN 不夠理想

USENIX Security 2023 的 **Bypassing Tunnels** 研究證明，許多 VPN client 的安全邊界建立在 routing-table manipulation 上，而 routing exceptions 可以成為漏流量的攻擊面。研究者在多平台與多種 VPN client 上成功展示 routing-based VPN bypass。

TunnelVision / CVE-2024-3661 又展示了透過 DHCP Option 121 注入更 specific routes，使某些 VPN 流量繞過 tunnel 的方式；研究者也把 Linux network namespace 列為很強的 mitigation。

因此：

```text
VPN connected = true
```

不必然意味：

```text
∀ traffic → VPN
```

---

# 14. IPv6、DNS 與其他旁路

P2P isolation 必須同時處理：

\[
IPv4
\]

和：

\[
IPv6
\]

否則可能形成：

```text
IPv4 → VPN
IPv6 → physical WAN
```

DNS 也應納入同一 network boundary。

DNS leak 通常不代表 ISP 自動知道 torrent `infohash`，但可能暴露：

```text
tracker.example.org
```

等 service-level information。

---

# 15. Seedbox

Seedbox 改變的是 network location：

```text
Home
 │ HTTPS/SSH
 ▼
Seedbox
 │
 ▼
BitTorrent Swarm
```

因此：

\[
ResidentialIP\notin Swarm
\]

但：

```text
Swarm → Seedbox IP
```

仍存在。

因此 seedbox 提供的是：

> **network-location separation**

而不是：

> perfect anonymity。

信任邊界只是從：

```text
VPN provider
```

轉移到：

```text
hosting / seedbox provider
```

---

# 16. Tor 與 P2P

Tor 是低延遲匿名 communication network，其主要安全思想是避免單一 relay 同時知道：

```text
User
+
Destination
```

但 Tor 官方明確指出：

> 如果攻擊者能同時觀察 communication channel 的兩端，目前沒有實用的 low-latency system 能可靠阻止利用 timing 和 volume 做 correlation。

因此 Tor 的主要策略不是「消滅 correlation」，而是：

> 降低攻擊者同時取得兩端 observation position 的可能性。

---

# 17. I2P

I2P 的 BitTorrent 模型與普通 clearnet BitTorrent 不同。

其匿名 identity 不直接使用 clearnet：

```text
IP:port
```

作為 application peer identity，而是透過 I2P overlay 中的 Destination 與 tunnel infrastructure。

因此這是：

> **protocol-level anonymous P2P overlay**

而不是：

> clearnet BitTorrent + VPN。

但 I2P 自己也明確承認 timing、intersection、traffic analysis 等攻擊仍是 threat model 的一部分。

---

# 18. Nyaa / CODA / JHA 案例

2026 年 7 月，日本京都府警逮捕一名涉嫌作為 Nyaa first uploader 分享 NHK 等內容的男子。

CODA 官方確認：

- CODA 在 METI 支援的 CBEP 計畫下調查 Nyaa；
- Japan Hacker Association 開發了一套 analytical tool；
- CODA 利用該工具取得與嫌疑人相關的資訊；
- 京都府警基於相關資訊進一步調查並識別嫌疑人。

但目前官方**沒有公開這套工具的 algorithm**。

因此不能把：

```text
CDN logs
Cookies
Login history
VPN logs
```

等具體方法當作已確認事實。

比較合理的技術假設包括：

```text
Index metadata
        +
Tracker metadata
        +
Temporal correlation
        +
Historical observations
        ↓
Candidate identification
```

但這仍屬推論。

---

# 19. Mullvad 的匿名模型

Mullvad 是 privacy-oriented VPN，而不是完整 anonymous communication network。

它主要解決：

\[
ResidentialIP
\rightarrow
InternetActivity
\]

的直接關聯問題。

主要機制包括：

- shared VPN exit
- numbered account
- no activity logs
- Multihop
- DAITA
- RAM-only server infrastructure

---

# 20. Mullvad No-Log

截至 2026 年 Mullvad 官方政策表示，不永久保存：

- traffic
- DNS requests
- connection timestamps
- disconnect timestamps
- session duration
- IP addresses
- user bandwidth

connection validation 所需的即時狀態在 temporary memory 中處理，而不是永久保存。

因此 Mullvad 嘗試避免形成：

\[
(SourceIP,\ Account,\ ExitIP,\ Timestamp)
\]

的 retrospective connection table。

---

# 21. Numbered Account 與付款

Mullvad 不要求傳統 email/password identity。

但 payment 本身仍可能構成另一個 attribution surface。

例如某些付款方式會存在：

```text
Payment
   ↓
Mullvad account
```

相關記錄，且官方資料政策明確說明不同付款方式的資料保存方式。

所以：

\[
Person\rightarrow Account
\]

有時可能建立。

但若沒有 connection logs：

\[
Account
\rightarrow
ExitIP@time
\]

仍缺乏直接歷史 mapping。

---

# 22. Mullvad RAM-only Infrastructure

Mullvad 自 2023 年宣布完成 VPN infrastructure 的 RAM-only migration，VPN server 不再以一般 persistent disk 作為運作基礎；其 infrastructure audit 也針對這種 architecture 進行檢查。

其安全意義是降低：

```text
server seizure
   ↓
historical disk artifacts
```

的資料殘留風險。

但 RAM-only：

\[
\neq
\]

「所有攻擊者都無法即時觀察 traffic」。

---

# 23. Mullvad Multihop

普通 VPN：

```text
User
 │
 ▼
VPN
 │
 ▼
Destination
```

Multihop：

```text
User
 │
 ▼
Entry VPN
 │
 ▼
Exit VPN
 │
 ▼
Destination
```

Mullvad 官方指出，Multihop 的其中一個目的就是增加 incoming/outgoing traffic correlation 的難度，使不同 observation positions 分散在不同 server/location/provider。

但這仍不是 Tor 式的多營運者 trust distribution。

---

# 24. DAITA

DAITA：

**Defense Against AI-guided Traffic Analysis**

主要不是增加 cryptographic strength，而是修改 encrypted traffic 的 observable shape。

Mullvad 官方列出的主要技術包括：

- random background / dummy traffic
- constant packet-size style padding
- traffic pattern distortion
- dynamic per-connection configurations

DAITA v2 進一步降低 dummy traffic overhead，並讓不同 connection 使用不同 tunnel traffic characteristics。

因此它主要作用於：

\[
TrafficFingerprint
\]

與：

\[
TrafficCorrelationSignal
\]

而不是：

\[
AES/WireGuardCryptography
\]

---

# 25. End-to-End Traffic Correlation

這是整份報告最重要的技術問題。

假設 ingress observation：

\[
X=\{(t_i,s_i,d_i)\}_{i=1}^{n}
\]

其中：

- \(t_i\)：timestamp
- \(s_i\)：packet size
- \(d_i\)：direction

出口：

\[
Y=\{(t'_j,s'_j,d'_j)\}_{j=1}^{m}
\]

攻擊者要解：

\[
Match(X,Y)?
\]

即：

> 入口 flow X 與哪個出口 flow 是同一個 communication？

---

# 26. Encryption 無法隱藏所有 Metadata

即使：

\[
C=Enc_K(M)
\]

攻擊者仍可能看到：

```text
packet timing
packet count
packet size
direction
burst structure
idle intervals
flow duration
total volume
```

因此：

\[
Encryption\neq Traffic\ Unobservability
\]

這也是 Tor 官方明確承認端對端 correlation threat 的原因。

---

# 27. 最基本的 Correlation Attack

把時間切成 window：

\[
x_k=
bytes(X,t_k,t_k+\Delta t)
\]

\[
y_k=
bytes(Y,t_k,t_k+\Delta t)
\]

可以計算 lagged correlation：

\[
C(\tau)
=
Corr(x_k,y_{k+\tau})
\]

如果：

```text
Candidate A = 0.17
Candidate B = 0.10
Candidate C = 0.91
Candidate D = 0.05
```

則 C 明顯值得進一步分析。

真正的 modern classifier 當然可以使用更複雜的 feature representation，但核心資訊來源沒有改變：

\[
Timing+Volume+Direction
\]

---

# 28. Data Conservation 是核心問題

定義 cumulative bytes：

\[
B_X(t)=
\sum_{i:t_i\leq t}s_i
\]

低延遲 proxy 必須近乎即時把 ingress data 傳到 egress。

因此通常存在：

\[
B_Y(t+\delta)\approx B_X(t)
\]

其中 \(\delta\) 是 network delay。

真正資料不可能在 ingress 尚未收到之前就出現在 egress。

因此 low-latency forwarding 本身創造了 causality constraint。

---

# 29. Mutual Information 模型

理想匿名系統希望：

\[
I(X;Y)\rightarrow0
\]

也就是：

> 知道 ingress traffic 對推測 egress traffic 幾乎沒有額外資訊。

但普通 VPN / Tor 可以抽象成：

\[
Y=T(X)+N
\]

其中：

- \(T\)：relay/network transformation
- \(N\)：jitter、congestion、packetization noise

通常：

\[
I(X;Y)>0
\]

而且可能相當高。

---

# 30. False Positive 與 Base Rate

Traffic-correlation 論文不能只看：

\[
TPR
\]

還必須看：

\[
FPR
\]

假設：

\[
FPR=10^{-3}
\]

在：

\[
10^7
\]

candidate comparisons 中仍可能得到：

\[
10^4
\]

false positives。

因此：

> targeted hypothesis confirmation

和：

> Internet-scale identification

是非常不同的問題。

---

# 31. Passive 與 Active Correlation

### Passive

只觀察：

```text
Ingress
Egress
```

再做 statistical matching。

### Active

攻擊者能對 flow 注入：

```text
delay
drop
rate perturbation
```

使其形成特殊 temporal pattern，再觀察另一側是否出現相應 pattern。

Active attack 通常比純 passive observation 更強。

---

# 32. Anonymity Trilemma

匿名通訊的一個根本 trade-off 可以寫成：

### Strong anonymity

\[
I(X;Y)\rightarrow0
\]

### Low latency

\[
L\rightarrow0
\]

### Low bandwidth overhead

\[
B_{dummy}\rightarrow0
\]

研究結果指出，anonymous communication systems 不能同時取得：

> strong anonymity + low latency overhead + low bandwidth overhead。

2020 年 PoPETs 的 Comprehensive Anonymity Trilemma 進一步把 impossibility result 擴展到包含 user coordination 的更廣泛匿名系統。

這代表問題不只是：

> 「還沒有發明夠好的 padding algorithm。」

而具有更根本的限制。

---

# 33. 為什麼會形成 Trilemma？

假設使用者目前 idle。

若系統不希望 observer 判斷：

```text
User is idle
```

則需要持續送：

\[
DummyTraffic>0
\]

因此：

\[
BandwidthOverhead\uparrow
\]

反之，Alice 突然產生大量 traffic。

若不希望 output 立即反映 burst：

### 方法 A

延遲資料：

\[
Latency\uparrow
\]

### 方法 B

平時就大量送 cover traffic：

\[
Bandwidth\uparrow
\]

所以：

\[
StrongPrivacy
\]

必然消耗某種資源。

---

# 34. Defense 1：Constant-Rate Shaping

最強但最昂貴的方法之一：

\[
R(t)=R_0
\]

不管有沒有 real traffic：

```text
REAL
DUMMY
DUMMY
REAL
DUMMY
```

observer 永遠看到：

```text
████████████████████████
```

它可以大幅隱藏：

- burst timing
- packet count
- volume shape
- idle periods

但是：

若：

\[
R_{real}<R_0
\]

則：

\[
BandwidthWaste=R_0-R_{real}
\]

若：

\[
R_{real}>R_0
\]

則 queue：

\[
Q(t)\uparrow
\]

進而：

\[
Latency\uparrow
\]

這就是 Anonymity Trilemma 最直觀的實體化。

---

# 35. Defense 2：Adaptive Padding

較實際的方法是：

\[
X'=X+N
\]

其中 \(N\) 是 selective dummy traffic。

不需要永遠 constant rate，而只在具有高 fingerprint information 的 traffic pattern 上增加 cover。

優點：

- latency 幾乎不增加
- bandwidth overhead 可控制
- 可以部署在現有 VPN/Tor

缺點：

\[
I(X;X')>0
\]

通常仍成立。

---

# 36. DeTorrent

PoPETs 2024 的 DeTorrent 使用 competing neural networks 自動設計 padding-only defense。

Defender：

\[
D_\theta(X)
\]

Attacker：

\[
A_\phi(D_\theta(X))
\]

形成類似 adversarial optimization：

\[
\min_\theta\max_\phi L
\]

研究在其 flow-correlation 評估中顯示，在非常低 FPR operating point 下能明顯降低攻擊 TPR，且不需要延遲 real traffic。

其價值在於：

> padding policy 不再完全由人工 heuristic 設計。

---

# 37. Defense 3：Ephemeral Defenses

固定 defense 本身也可能形成 fingerprint。

例如所有使用者都使用：

```text
padding distribution = θ
```

攻擊者可以學：

\[
P(X'\mid\theta)
\]

2026 PoPETs 的 **Ephemeral Network-Layer Fingerprinting Defenses** 提出：

\[
\theta_i\sim P(\Theta)
\]

讓每個 connection 使用不同 traffic-defense configuration。

該研究已將方法整合到 WireGuard，並報告曾在 Mullvad 環境實際部署服務大量日常使用者。

Mullvad DAITA v2 的 dynamic configurations 正屬於相近方向。

---

# 38. Defense 4：Mixing + Delay

比 padding 更根本的方法：

```text
A ─┐
B ─┼─► MIX
C ─┤
D ─┘
      │
      ├── delay
      ├── reorder
      └── cover traffic
```

讓：

\[
t_{out}
\not\approx
t_{in}+\delta
\]

這真正破壞 input/output timing dependency。

---

# 39. Loopix

Loopix 是這類方法的代表。

它使用：

- Poisson mixing
- random delays
- cover traffic
- loop messages

並針對包含 global network adversary 的 threat model 提供 traffic-analysis resistance。

代價是整體 message latency 達到**秒級**，即使相對 mixnet 已經算低。

因此它更適合：

```text
messaging
async communication
mail-like systems
```

而不是：

```text
gaming
SSH
remote desktop
interactive low-latency web
```

---

# 40. Defense 5：Multi-user Aggregation

另一個很重要的方向不是增加假 traffic，而是：

> 讓其他使用者的真實 traffic 成為自己的 cover traffic。

例如：

```text
Alice ─┐
Bob ───┤
Carol ─┼── Aggregator/Mixer
Dave ──┤
Eve ───┘
```

輸入：

\[
X_A,X_B,X_C,\ldots
\]

共同形成：

\[
Y_1,Y_2,Y_3,\ldots
\]

調查者不再只需要解：

\[
X_A\leftrightarrow Y_A
\]

而要解 permutation / assignment problem。

這可以增加：

\[
H(Y\mid X)
\]

而不需要所有 cover traffic 都是 dummy bytes。

---

# 41. Defense 6：Traffic Splitting

把一條 flow：

\[
X
\]

拆成：

\[
X_1,X_2,X_3
\]

經不同 path：

```text
             ┌── Path A
Traffic ─────┼── Path B
             └── Path C
```

如果 adversary 只能觀察部分 path：

\[
I(X;X_i)
<
I(X;X_1+X_2+X_3)
\]

可以有效降低 correlation。

但是對真正 global observer：

\[
X_1+X_2+X_3
\]

仍可能被重新聚合。

所以 multipath 的主要優勢是：

> 對 partial observer 增加成本。

---

# 42. Defense 7：Egress Transformation

傳統 padding 主要修改：

```text
Ingress shape
```

但出口 connection topology 可能仍保持：

\[
1\ ingress\ flow
\leftrightarrow
1\ egress\ flow
\]

更激進的設計可以：

```text
Real Flow
   ↓
split / shuffle
   ↓
Virtual Flow A
Virtual Flow B
Virtual Flow C
```

直接破壞：

\[
FlowTopology_{in}
\approx
FlowTopology_{out}
\]

這是比單純 packet padding 更值得研究的方向。

---

# 43. 我認為值得研究的新架構

綜合目前研究，可以提出：

# Bounded-Latency Multi-Flow Mixing Network

架構：

```text
Users

A ─┐
B ─┤
C ─┤
D ─┼── Entry Aggregator
E ─┤
F ─┘
          │
          ▼
   Ephemeral Shaper
          │
          ▼
   Bounded-Delay Mixer
          │
     ┌────┼────┐
     ▼    ▼    ▼
   Path1 Path2 Path3
     │    │    │
     └────┼────┘
          ▼
      Egress Mixer
          │
          ▼
 split / shuffle / merge
          │
          ▼
     Destinations
```

目標不是達到 perfect anonymity，而是在：

\[
Latency<L_{max}
\]

\[
Bandwidth<B_{max}
\]

條件下最小化：

\[
I(X;Y)
\]

---

# 44. Layer 1：Ephemeral Shaping

每個 flow：

\[
\theta_i\sim P(\Theta)
\]

隨機決定：

- padding schedule
- dummy distribution
- packet-size policy
- burst behavior

避免形成固定 defense fingerprint。

---

# 45. Layer 2：Bounded Random Delay

每個 packet/message：

\[
D_i\sim P_D
\]

但：

\[
D_i<D_{max}
\]

例如不同 application class：

```text
Gaming       → very small Dmax
Web          → small Dmax
Streaming    → moderate Dmax
Messaging    → large Dmax
```

也就是讓 privacy policy 成為 QoS-aware。

---

# 46. Layer 3：Multi-user Mixing

利用 aggregation queue：

```text
A packet
B packet
C packet
A packet
D packet
```

重新 scheduling：

```text
C
A
B
D
A
```

在 latency budget 內破壞一對一 timing mapping。

---

# 47. Layer 4：Real Traffic as Cover

假設 queue 已經存在：

\[
X_A,X_B,X_C
\]

則優先利用：

\[
X_B,X_C
\]

作為 A 的 anonymity cover。

只有 anonymity deficit 過高時才：

\[
inject\ dummy
\]

這可能顯著降低：

\[
DummyBandwidth
\]

---

# 48. Layer 5：Egress Flow Transformation

輸出時再執行：

```text
merge
split
shuffle
connection migration
```

降低：

\[
IngressTopology
\leftrightarrow
EgressTopology
\]

的可識別程度。

---

# 49. Adaptive Privacy Controller

最值得使用 machine learning 的位置不是單純「隨機 padding」，而是做 constrained optimization：

\[
\min_\pi
\left[
\lambda_1L_{privacy}
+
\lambda_2L_{latency}
+
\lambda_3L_{bandwidth}
\right]
\]

subject to：

\[
Latency<L_{QoS}
\]

\[
Bandwidth<B_{budget}
\]

其中：

\[
L_{privacy}
\]

可以由：

- attack ROC
- contrastive matching accuracy
- estimated mutual information
- anonymity-set entropy

共同近似。

---

# 50. Defender–Attacker Adversarial Training

Defender：

\[
D_\theta(X)
\]

輸出 defended trace。

Attacker：

\[
A_\phi(D_\theta(X),Y)
\]

輸出：

\[
P(match)
\]

研究問題可寫成：

\[
\min_\theta\max_\phi
L_{attack}
\]

同時加入：

\[
L_{latency}
\]

與：

\[
L_{bandwidth}
\]

regularization / constraints。

action space 不應只包含 padding，而可以包括：

```text
padding
delay
burst shaping
multiplexing
splitting
reordering
connection migration
```

---

# 51. 不應該只用 Classification Accuracy 當安全指標

例如：

```text
Attack Accuracy:
90% → 20%
```

不能直接證明安全。

因為：

> 可能只是對某個固定 attacker architecture overfit。

更完整的測試應包括：

\[
TPR
\]

\[
FPR
\]

\[
ROC
\]

\[
Precision
\]

\[
Recall
\]

以及 candidate population size。

---

# 52. Mutual Information 是更值得追求的方向

真正希望降低的是：

\[
I(X;Y)
\]

或者增加：

\[
H(X\mid Y)
\]

理想狀態：

\[
P(Y\mid X_A)
\approx
P(Y\mid X_B)
\]

也就是不同 ingress flow 對 observer 而言 increasingly indistinguishable。

這比：

> 「讓某一個 CNN accuracy 下降」

更接近真正 security property。

---

# 53. P2P Privacy Lab

若做研究，建議完全使用合法資料：

```text
random test files
Linux ISO
self-generated datasets
```

建立：

```text
Client VM
   │
   ▼
VPN
   │
   ├── Tracker VM
   ├── Peer VM
   └── Observer VM
```

並在：

```text
Ingress
VPN interface
Physical NIC
Tracker
Peer
```

各 observation point capture traffic。

---

# 54. Network Isolation Fault Injection

應測試：

```text
VPN disconnect
VPN server unreachable
route mutation
IPv6 activation
DNS change
Wi-Fi ↔ Ethernet handover
suspend/resume
reboot
client starts before VPN
VPN reconnect
```

核心 acceptance criterion：

\[
VPN\downarrow
\Rightarrow
P2PTraffic=0
\]

---

# 55. Traffic-Correlation Lab

再建立：

```text
Ingress capture:
X

Egress candidates:
Y1
Y2
...
Yn
```

比較：

### Baseline

```text
WireGuard
```

### Defense A

```text
WireGuard + padding
```

### Defense B

```text
DAITA-like ephemeral shaping
```

### Defense C

```text
bounded delay
```

### Defense D

```text
multi-user aggregation
```

### Defense E

```text
aggregation + shaping + egress transform
```

---

# 56. 建議核心 Metrics

### Correlation

\[
Corr(X,Y)
\]

### Mutual Information

\[
I(X;Y)
\]

### Attack ROC

\[
TPR(FPR)
\]

尤其觀察：

\[
FPR=10^{-3}
\]

\[
10^{-4}
\]

\[
10^{-5}
\]

這類真正 attribution-sensitive operating regions。

### Latency

\[
P50,P95,P99
\]

### Bandwidth overhead

\[
O_B=
\frac{Bytes_{defended}}
{Bytes_{real}}-1
\]

### Anonymity Set

\[
|S|
\]

或 entropy：

\[
H(U\mid O)
\]

---

# 57. 防禦能力比較

| 架構 | Real-IP 防護 | Activity unlinkability | Timing resistance | 延遲 | 頻寬成本 |
|---|---:|---:|---:|---:|---:|
| BitTorrent encryption | 低 | 低 | 低 | 極低 | 極低 |
| qBittorrent Anonymous Mode | 低 | 低 | 低 | 極低 | 極低 |
| VPN | 高 | 低 | 低 | 低 | 低 |
| VPN + bind + firewall | 很高 | 低 | 低 | 低 | 低 |
| VPN + network namespace | 極高 | 低 | 低 | 低 | 低 |
| Seedbox | 極高 | 低～中 | 低 | 低 | 中 |
| Mullvad + Multihop | 極高 | 中 | 中低 | 低～中 | 低 |
| Mullvad + DAITA | 極高 | 中 | 中 | 低 | 中 |
| Constant-rate shaping | 高 | 中～高 | 高 | 中 | 非常高 |
| Multi-path | 高 | 中 | 中 | 低～中 | 中 |
| Bounded multi-user mixing | 高 | 高潛力 | 高潛力 | 中 | 中 |
| Loopix / Mixnet | 高 | 高 | 高 | 秒級 | 中～高 |
| I2P-native | 高 | 高於 clearnet VPN | 中～高 | 中 | 中 |

此表是 threat-model 層級的相對分析，而不是統一 benchmark。

---

# 58. 最重要的 Security Boundary

整個問題可以分成兩層。

## Layer A：Network Deanonymization

問題：

\[
VPN\ Exit
\rightarrow
RealIP?
\]

主要防禦：

```text
VPN
routing isolation
firewall
network namespace
interface binding
```

---

## Layer B：Behavioral / Traffic Attribution

問題：

\[
Activity_A
+
Activity_B
+
Timing
+
Metadata
\rightarrow
SameActor?
\]

主要研究領域：

```text
traffic-analysis resistance
mixing
padding
cover traffic
intersection resistance
cross-layer unlinkability
behavioral privacy
```

前者做得完美：

\[
\nRightarrow
\]

後者自然安全。

---

# 59. Mullvad 的正確定位

Mullvad 特別強的是：

\[
Network\ Identity\ Separation
\]

+

\[
Provider\ Data\ Minimization
\]

+

\[
Traffic\ Fingerprint\ Reduction
\]

也就是：

```text
Shared exit
No activity logs
Numbered account
Multihop
RAM-only
DAITA
```

但它仍然是：

> **low-latency VPN architecture**

而不是：

> traffic-analysis-proof anonymous communication system。

因此即使 DAITA：

\[
I(X;Y)\downarrow
\]

也不能合理假設：

\[
I(X;Y)=0
\]

---

# 60. 現代調查者真正尋找的是「最弱的 Edge」

假設：

```text
Cryptography       ██████████
VPN routing        ██████████
Real-IP isolation  ██████████
```

但：

```text
Application ID     █████
Timing             ████
Endpoint           ███
Account            ███
Operational error  ██
```

那強調查者沒有理由：

> 破解 WireGuard。

而會：

```text
pivot
```

到：

```text
account
device
time
behavior
provider
metadata
```

因此：

\[
Security(System)
\approx
\min_i Security(Component_i)
\]

雖然不是正式 security theorem，但非常適合描述實際 attribution attack surface。

---

# 61. 核心研究結論

整份研究最重要的概念可以壓縮成下面幾條。

### 第一

\[
Encryption\neq Anonymity
\]

### 第二

\[
IP\ Hiding\neq Activity\ Unlinkability
\]

### 第三

\[
VPN\neq Anonymous\ Communication\ Network
\]

### 第四

\[
No\ Logs
\]

和：

\[
Strong\ Traffic\ Analysis\ Resistance
\]

是兩種不同 security properties。

### 第五

低延遲 anonymity 最大的根本問題是：

\[
Output(t)\approx Input(t-\delta)
\]

攻擊者利用的是這個 dependency。

### 第六

真正的 traffic-analysis defense 希望逼近：

\[
P(Y\mid X)\approx P(Y)
\]

也就是：

\[
I(X;Y)\rightarrow0
\]

### 第七

但：

\[
Strong\ anonymity
+
Low\ latency
+
Low\ bandwidth
\]

存在根本 trade-off。

---

# 62. 最值得繼續研究的方向

如果研究問題設定為：

> **如何在仍具有互動性的 latency budget 下，以最低 bandwidth overhead 最大程度降低 end-to-end traffic correlation？**

我認為最值得研究的組合不是：

```text
More VPN hops
```

也不是：

```text
More encryption
```

而是：

\[
\boxed{
Ephemeral\ Shaping
+
Bounded\ Delay
+
Multi-user\ Aggregation
+
Real-Traffic\ Cover
+
Egress\ Transformation
}
\]

並透過：

\[
\min
\left(
I(X;Y)
+
\lambda_L Latency
+
\lambda_B Bandwidth
\right)
\]

建立正式 optimization objective。

---

# 63. 最終結論

對一般 P2P privacy：

\[
\boxed{
VPN
+
Interface\ Binding
+
Firewall
+
Network\ Namespace
}
\]

已經可以非常強地處理：

\[
RealIP\ Leakage
\]

WireGuard 官方 network-namespace architecture 尤其適合作為 fail-closed engineering boundary。

但如果 threat model 升級為：

> 攻擊者可以同時觀察通信入口與出口，並長期取得 network metadata。

問題便不再是 VPN leak。

而是：

\[
\boxed{
Traffic\ Correlation
+
Entity\ Resolution
+
Longitudinal\ Attribution
}
\]

這正是目前 low-latency anonymity systems 的核心限制。

Tor 官方截至目前仍明確承認：對能同時觀察 communication channel 兩端的 adversary，研究界沒有已知實用的 low-latency architecture 能可靠阻止 timing/volume correlation。

研究界真正有效的強防禦——例如 Poisson mixing、cover traffic、constant-rate transmission、multi-user mixing——幾乎都需要付出：

\[
Latency\uparrow
\]

或：

\[
Bandwidth\uparrow
\]

甚至改變 communication semantics。Loopix 就是典型案例：它能針對更強大的 network observer 提供 traffic-analysis resistance，但 message latency 進入秒級。

因此，未來真正有研究價值的問題，不是：

> **「如何做一個完全無法追蹤的 VPN？」**

因為這個問題本身定義錯誤。

更正確的問題是：

> **「在給定 latency、bandwidth 與 infrastructure budget 下，可以把 ingress 與 egress 之間的 mutual information 降到多低？」**

也就是研究：

\[
\boxed{
\min I(X;Y)
}
\]

subject to：

\[
Latency\le L_{max}
\]

\[
BandwidthOverhead\le B_{max}
\]

這會把 VPN、DAITA、Tor、I2P、Mixnet、traffic shaping、multi-user aggregation 與未來 AI-driven traffic-defense 統一放進同一個可量化的研究框架。

---

## 主要研究資料

**Protocol / Implementation**

- BitTorrent Enhancement Proposals：BEP-5 DHT、BEP-11 PEX、BEP-15 UDP Tracker。
- WireGuard Network Namespace Architecture。
- qBittorrent Anonymous Mode 與 VPN Interface Binding。
- I2P Threat Model。

**P2P Monitoring / VPN Security**

- Le Blond et al., *Spying the World from Your Laptop*, USENIX LEET 2010。
- Piatek et al., *Why My Printer Received a DMCA Takedown Notice*, HotSec 2008。
- Xue et al., *Bypassing Tunnels*, USENIX Security 2023。

**Anonymous Communication / Traffic Analysis**

- Piotrowska et al., *The Loopix Anonymity System*, USENIX Security 2017。
- Das et al., *Comprehensive Anonymity Trilemma*, PoPETs 2020。
- Holland et al., *DeTorrent*, PoPETs 2024。
- Pulls et al., *Ephemeral Network-Layer Fingerprinting Defenses*, PoPETs 2026。

**Current Deployment / Mullvad**

- Mullvad No-Logging Policy，2026。
- Mullvad Multihop。
- Mullvad DAITA / DAITA v2。
- Mullvad RAM-only VPN infrastructure。

**Case Study**

- CODA：2026 Nyaa First Uploader Arrest / JHA Analytical Tool。