Tor网络是目前最流行,且使用最广泛的匿名网络。Tor网络允许志愿者匿名并快速地建立中继节点,且中继节点的搭建门槛较低,这一开放性的态度在使其迅速发展的同时,也使其容易遭受Sybil攻击。针对Sybil攻击节点优化Tor网络路径选择策略是抵抗Sybil攻击的有效策略之一。但现有的Tor网络路径选择策略,都是针对某种具体形式的攻击进行防御,如端到端攻击、网站指纹分析攻击等,却不能综合抵抗多种形式的Sybil攻击。针对上述问题,本文提出了机器学习的方法对Sybil节点进行判定,并在此基础上设计了一个可抵抗多种Sybil攻击的Tor网络路径选择策略,最后实现了一套可抵抗多种Sybil攻击的Tor网络路径策略选择切换系统。具体工作如下:1.提出了一种基于机器学习的Sybil Family节点对集合与高危Sybil节点的提取方案。为方便阐述,本文将同一个志愿者配置的多个节点构成的集合,称为Family,并将按规定进行了标记的Family称为显式Family,反之,称为Sybil Family。本文详细分析了显式Family中节点特征的相似性,并利用机器学习对“两节点是否属于同一Family”进行判定,进而提取出所有Sybil Family节点对集合。利用Sybil Family节点对集合的提取结果,本文对该集合中的节点的潜在攻击意图进行了分析和归类,提取出了“高危大型Sybil节点”、“高危Sybil Guard节点”、“高危Sybil Exit节点”等几种高危Sybil节点。2.基于提取的Sybil Family节点对集合和高危Sybil节点,设计了抵抗多种Sybil攻击的路径选择策略。该策略可以抵抗Tor网络中多种形式的Sybil攻击,例如端到端攻击、出口流量篡改攻击、网站指纹分析攻击、网桥中继节点封锁攻击。同时,该路径选择策略不会对Tor网络带宽造成严重影响。3.基于上述策略,设计并实现了抵抗Sybil攻击的Tor网络路径选择策略切换系统。该系统可根据当前的Tor网络中继节点信息,实时生成并更新抵抗Sybil攻击的路径选择策略。此外,该系统还支持用户添加自定义的路径选择策略,也支持多策略叠加使用和不同策略的自由切换。