基于神經(jīng)網(wǎng)絡(luò)的時(shí)序型隱信道檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于信息安全技術(shù)領(lǐng)域，主要是利用神經(jīng)網(wǎng)絡(luò)對(duì)時(shí)序型隱信道進(jìn)行檢測(cè)。
【背景技術(shù)】
[0002] 信道隱藏近些年新興起的一項(xiàng)信息安全技術(shù)，它主要是利用網(wǎng)絡(luò)中正常的通信信 道來(lái)傳遞隱秘信息。它的主要特點(diǎn)就是隱蔽性高，能輕而易舉通過(guò)防火墻、控制訪(fǎng)問(wèn)等網(wǎng)絡(luò) 安全設(shè)施，從而給網(wǎng)絡(luò)信息安全帶來(lái)了極大的威脅。
[0003] 信道隱藏根據(jù)其實(shí)現(xiàn)的方式分為兩種，一種是存儲(chǔ)型隱信道，另一種是時(shí)序型隱 信道。其中存儲(chǔ)型隱信道主要是利用協(xié)議的兀余字段來(lái)傳輸隱秘信息，而時(shí)序型隱信道是 通過(guò)變換網(wǎng)絡(luò)數(shù)據(jù)包的發(fā)送速率和發(fā)送時(shí)間來(lái)傳輸隱秘信息。
[0004]Handl等人提出了 一些具有代表性的時(shí)序型隱信道，例如化diiPsk等人在1978 年提出了ON-OFF隱信道（PadliPskyMA,SnowDW,andKargerPA.Limitationsof End-to-EndEneryPtioninSecureComPuterNetworks.Teeh.ReP.ESD-TR-78-158, MitreCo巧oration，1978)，即在通信雙方約定的時(shí)間間隔收到數(shù)據(jù)包表示"1"，沒(méi)收到 表示"0"。W及C油址等人在2004年提出了IPCTC隱信道（C油址S，Brodl巧C，Shields C.IPCoverttimingchannels:Designanddeteetion.InProeeedingsofthe2004 ACMConferenceonComPuterandCommunicationsSe州rity.),通過(guò)控制數(shù)據(jù)包之間的 時(shí)間間隔傳輸隱秘信息咐間間隔大于約定的值表示"1"，小于則表示"0")。
[0005] 時(shí)序型隱信道通過(guò)調(diào)制包的發(fā)送速率和發(fā)送時(shí)間來(lái)傳送信息的方式更具有隱蔽 性。相對(duì)于日益發(fā)展的存儲(chǔ)性隱信道，時(shí)序型隱信道的研究和應(yīng)用相對(duì)比較少。同時(shí)由于 網(wǎng)絡(luò)環(huán)境的復(fù)雜性和多變性，所W針對(duì)時(shí)序型隱信道的檢測(cè)也就比較困難，其對(duì)網(wǎng)絡(luò)信息 安全的潛在威脅也相對(duì)較大。
[0006] 現(xiàn)有的時(shí)序型隱信道檢測(cè)方法主要有KS檢測(cè)算法、基于f-相似度的檢測(cè)算法W 及賭檢測(cè)算法。該些檢測(cè)算法主要是利用統(tǒng)計(jì)學(xué)的方法分析異常數(shù)據(jù)和正常數(shù)據(jù)的特性差 異，并沒(méi)有分析異常數(shù)據(jù)固有的特性，所W該些檢測(cè)方法有其自身的局限性，無(wú)法區(qū)分檢測(cè) 到的隱信道類(lèi)型，同時(shí)只能對(duì)特定的隱信道進(jìn)行檢測(cè)，其通用性較差。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明主要解決的技術(shù)問(wèn)題是提供一種基于神經(jīng)網(wǎng)絡(luò)的時(shí)序型隱信道檢測(cè)方法， 具有可靠性能高、效率更高、通用性更強(qiáng)等優(yōu)點(diǎn)，同時(shí)夠識(shí)別所檢測(cè)到的隱信道類(lèi)型，在信 息安全技術(shù)的應(yīng)用及普及上有著廣泛的市場(chǎng)前景。
[0008]為解決上述技術(shù)問(wèn)題，本發(fā)明采用的一個(gè)技術(shù)方案是： 提供一種基于神經(jīng)網(wǎng)絡(luò)的時(shí)序型隱信道檢測(cè)方法，其步驟包括： (1)預(yù)處理： 使用網(wǎng)絡(luò)抓包工具獲取并記錄已知隱信道的產(chǎn)生的時(shí)隙數(shù)據(jù)，由每一種信道獲取N份 數(shù)據(jù)，該里N是每一種信道的訓(xùn)練樣本的數(shù)量； 通過(guò)編程提取每一份樣本中的時(shí)隙數(shù)據(jù)了1，7^2，一，?；，并計(jì)算變異系數(shù)(〇、f---相似度 (巧W及賭值(巧； 把每一份訓(xùn)練樣本所產(chǎn)生的變異系數(shù)(Q、F-相似度(S)W及賭值(W)W及所屬信道 類(lèi)型了組成一個(gè)四維向量但，及，化巧，所有訓(xùn)練樣本對(duì)應(yīng)的四維特征向量(C，A化巧就是 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，其中信道類(lèi)型r就是期望輸出； (2) 樣本訓(xùn)練： 神經(jīng)網(wǎng)絡(luò)讀取訓(xùn)練樣本中的特征向量(C，AW，巧，不斷地根據(jù)期望輸出了和實(shí)際輸出 的誤差調(diào)整神經(jīng)元之間的權(quán)值和神經(jīng)元的閥值，最終使得實(shí)際輸出與期望輸出的誤差平小 于預(yù)先設(shè)定的誤差，達(dá)到收斂狀態(tài)； (3) 隱信道檢測(cè)： 利用網(wǎng)絡(luò)抓包工具抓取待檢測(cè)信道上的數(shù)據(jù)包，記錄數(shù)據(jù)包到達(dá)的時(shí)間間隔 巧，7^2，"'，了3，分別計(jì)算時(shí)序數(shù)據(jù)的變異系數(shù)(〇)-相似度(巧^及賭值(片）； 訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)程序讀取待檢測(cè)信道所產(chǎn)生的時(shí)隙數(shù)據(jù)對(duì)應(yīng)的H維特征向量 (C，i?，W)，進(jìn)過(guò)神經(jīng)網(wǎng)絡(luò)的多層處理得到信道所屬的類(lèi)型。
[0009] 在本發(fā)明一個(gè)較佳實(shí)施例中，所述預(yù)處理的具體步驟包括： (1. 1)提取隱信道樣本的N個(gè)時(shí)隙數(shù)據(jù)序列巧，T:，…，7；，計(jì)算時(shí)隙數(shù)據(jù)序列的H個(gè)特 征值：變異系數(shù)相似度(巧W及賭值(W); ① 變異系數(shù)促）：記時(shí)隙數(shù)據(jù)序列布了2，…，7；的均值為f，方差記為滬，其中
【主權(quán)項(xiàng)】
1. 一種基于神經(jīng)網(wǎng)絡(luò)的時(shí)序型隱信道檢測(cè)方法，其特征在于，步驟包括： (1) 預(yù)處理： 使用網(wǎng)絡(luò)抓包工具獲取并記錄已知隱信道的產(chǎn)生的時(shí)隙數(shù)據(jù)，由每一種信道獲取N份 訓(xùn)練樣本，其中，時(shí)隙數(shù)據(jù)是指數(shù)據(jù)包到達(dá)的時(shí)間間隔； 通過(guò)編程提取每一份樣本中的時(shí)隙數(shù)據(jù)···，?；，并計(jì)算變異系數(shù)(〇、ε -相似度 (幻以及熵值(切； 把每一份訓(xùn)練樣本所產(chǎn)生的變異系數(shù)(Q、ε -相似度(灼以及熵值(I)以及所屬信道 類(lèi)型Γ組成一個(gè)四維向量,所有訓(xùn)練樣本對(duì)應(yīng)的四維特征向量C就是 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，其中信道類(lèi)型Γ就是期望輸出； (2) 樣本訓(xùn)練： 神經(jīng)網(wǎng)絡(luò)讀取訓(xùn)練樣本中的特征向量(d及，乃，不斷地根據(jù)期望輸出Γ和實(shí)際輸出 的誤差調(diào)整神經(jīng)元之間的權(quán)值和神經(jīng)元的閥值，最終使得實(shí)際輸出與期望輸出的誤差平小 于預(yù)先設(shè)定的誤差，達(dá)到收斂狀態(tài)； (3) 隱信道檢測(cè)： 利用抓包軟件抓取待檢測(cè)信道上的數(shù)據(jù)包，記錄數(shù)據(jù)包到達(dá)的時(shí)間間隔$，巧,···，?；， 分別計(jì)算時(shí)序數(shù)據(jù)的變異系數(shù)(Q、ε-相似度(i?)以及熵值(H); 訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)程序讀取待檢測(cè)信道所產(chǎn)生的時(shí)隙數(shù)據(jù)對(duì)應(yīng)的三維特征向量 (CiJ,//),經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)的多層處理得到信道所屬的類(lèi)型。
2. 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)的時(shí)序型隱信道檢測(cè)方法，其特征在于，所述 預(yù)處理的具體步驟包括： (I. 1)提取隱信道樣本的N個(gè)時(shí)隙數(shù)據(jù)序列T1,T2,…,Ts ,計(jì)算時(shí)隙數(shù)據(jù)序列的三個(gè)特 征值：變異系數(shù)(〇、ε-相似度(i?)以及熵值(#); ① 變異系數(shù)（Q :記時(shí)隙數(shù)據(jù)序列IT2,···,?；的均值為方差記為爐，其中
易知標(biāo)準(zhǔn)差s = 變異系數(shù)記為C ,變異系數(shù)定義 為標(biāo)準(zhǔn)差與均值的比值，故公式的表達(dá)式為：
② ε-相似度（幻：對(duì)時(shí)隙數(shù)據(jù)序列進(jìn)行排序得到新的時(shí)隙數(shù)據(jù)序列 T11,IV，···,?；1,對(duì)于每一個(gè)計(jì)算它與前一個(gè)時(shí)序數(shù)據(jù)？I 1'的差值，然后除以即
f于指定ε的值，《為滿(mǎn)足條件4 <￡的&的個(gè)數(shù)，則ε-相似度i?公式的表 達(dá)式為：
式中A是$出現(xiàn)的概率； (1.2)重復(fù)步驟（I. 1)財(cái)次，得到M個(gè)隱信道樣本的特征向量(C,足H),每個(gè)三維特 征向量加上個(gè)特征值組成新的四維特征向量(〇?足，其中Γ代表所屬信道類(lèi)型，即 Γ是期望輸出，這Af個(gè)四維特征向量就是神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。
3. 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)的時(shí)序型隱信道檢測(cè)方法，其特征在于，所述 樣本訓(xùn)練的具體步驟包括： (2. 1)設(shè)定預(yù)定誤差的值，并讀取訓(xùn)練樣本中的特征向量7),得到神經(jīng)網(wǎng)絡(luò)實(shí) 際輸出，計(jì)算實(shí)際輸出與期望輸出T之間的誤差； (2. 2)判斷神經(jīng)網(wǎng)絡(luò)實(shí)際輸出與期望輸出Γ的誤差是否小于預(yù)定誤差，如果是則跳到 步驟（2. 4)，否則進(jìn)行步驟（2.3); (2. 3)通過(guò)期望輸出與實(shí)際輸出的誤差，進(jìn)行反向調(diào)節(jié)神經(jīng)元的閥值與神經(jīng)元之間 的權(quán)值，然后再次讀取特征向量進(jìn)行訓(xùn)練得到實(shí)際輸出與期望輸出的誤差，跳轉(zhuǎn)到步驟 (2. 2)； (2.4)當(dāng)神經(jīng)網(wǎng)絡(luò)的期望輸出與實(shí)際輸出小于預(yù)定誤差時(shí)，代表神經(jīng)網(wǎng)絡(luò)已經(jīng)達(dá)到收 斂狀態(tài)，訓(xùn)練完成。
4. 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)的時(shí)序型隱信道檢測(cè)方法，其特征在于，所述 隱信道檢測(cè)的具體步驟包括： (3. 1)利用網(wǎng)絡(luò)抓包工具抓取并記錄隱信道和正常信道所產(chǎn)生的時(shí)隙數(shù)據(jù)，每條信道 有N個(gè)時(shí)隙數(shù)據(jù)樣本，并設(shè)置每個(gè)時(shí)隙數(shù)據(jù)樣本容量； (3. 2)利用公式①、②、③分別計(jì)算每個(gè)時(shí)隙數(shù)據(jù)樣本的三個(gè)特征值：變異系數(shù)(Q、 ε_(tái)相似度(用以及熵值(At),將這三個(gè)特征值和樣本所屬信道類(lèi)型Γ組成一個(gè)四維特征 向量(CiH 1T)并保存在樣本記錄中，形成了含有N個(gè)特征向量的訓(xùn)練樣本； (3. 3)神經(jīng)網(wǎng)絡(luò)程序不斷讀取樣本記錄中訓(xùn)練樣本的時(shí)隙數(shù)據(jù)，根據(jù)期望輸出與實(shí)際 輸出的誤差調(diào)整權(quán)值和閥值，最終使得實(shí)際輸出與期望輸出的誤差平小于預(yù)先設(shè)定的誤 差，達(dá)到收斂狀態(tài)； (3. 4)使用網(wǎng)絡(luò)抓包工具抓取待檢測(cè)信道的時(shí)隙數(shù)據(jù)若干個(gè)并將時(shí)隙數(shù)據(jù)記錄在抓取 記錄中，并用公式①、②、③計(jì)算其對(duì)應(yīng)的三維特征向量(C足#)并記錄在測(cè)試記錄中； (3. 5)神經(jīng)網(wǎng)絡(luò)程序從測(cè)試記錄中讀取三維特征向量(G足E),最后得到信道所屬的 類(lèi)型并保存在類(lèi)型記錄中。
5.根據(jù)權(quán)利要求4所述的基于神經(jīng)網(wǎng)絡(luò)的時(shí)序型隱信道檢測(cè)方法，其特征在于，所述 隱信道包括ON-OFF隱信道和IPCTC隱信道。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于神經(jīng)網(wǎng)絡(luò)的時(shí)序型隱信道檢測(cè)方法，通過(guò)數(shù)據(jù)包之間的時(shí)間間隔，由此得出時(shí)間間隔序列的三個(gè)特征值：變異系數(shù)、相似度以及熵值。將變異系數(shù)、相似度、熵值和信道類(lèi)型所組成的四維特征向量作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本進(jìn)行訓(xùn)練。待神經(jīng)網(wǎng)絡(luò)收斂后，便可用神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測(cè)，進(jìn)而判斷通信信道中是否含有隱信道以及所屬的類(lèi)型。
【IPC分類(lèi)】H04B17-30
【公開(kāi)號(hào)】CN104753617
【申請(qǐng)?zhí)枴緾N201510113893
【發(fā)明人】黃劉生, 肖*漢, 周明, 沈瑤, 楊威
【申請(qǐng)人】中國(guó)科學(xué)技術(shù)大學(xué)蘇州研究院
【公開(kāi)日】2015年7月1日
【申請(qǐng)日】2015年3月17日