基于二维图像映射的网络时间隐通道检测技术研究

发布时间：2022-12-08 23:31

　　随着网络技术的发展,网络信息传输安全越来越受重视。一方面,需要检测和阻断通过网络传输的恶意信息;另一方面,需要保障通过网络传输的正常通信信息的安全性和隐私性。网络时间隐通道检测是这一领域的重要课题。以往的网络隐通道检测算法存在很多问题,很多检测算法针对某些特定的网络隐通道有效,但对另外一些类型的网络隐通道检测效果却不理想,且检测的实时性和准确率都有待提高。论文首先对现有的网络隐通道检测方法进行了研究与分析,分析几种典型网络时间隐通道的数据包特征分布情况。针对现有检测方法仅反映网络隐通道一维特征的缺陷,提出一种基于二维图像特征的网络时间隐通道检测方法。为了进一步提升网络隐通道检测的准确率,在上述方法的基础上,提出基于卷积神经网络（Convolutional Neural Network,CNN）的网络时间隐通道检测方法。论文的主要研究工作有:（1）提出基于二维图像特征的网络时间隐通道的检测方法,通过提取网络数据包的时间间隔、数据包长度两种特征分量,对两种特征分量的数值进行归一化处理后,构造能够描述网络流数据包特征的二维图像,从而将网络流数据包在一维时间轴上的特性关系反映到二维图像的纹理特... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 网络隐通道研究现状
        1.2.1 网络存储隐通道的检测技术
        1.2.2 网络时间隐通道的检测技术
    1.3 论文的主要研究内容
    1.4 论文的结构安排
第二章 相关技术研究
    2.1 网络隐通道的相关知识
        2.1.1 网络隐通道的定义
        2.1.2 网络隐通道建模
        2.1.3 网络隐通道的分类及其存在条件
    2.2 灰度共生矩阵
        2.2.1 灰度共生矩阵的定义
        2.2.2 灰度共生矩阵的特点
        2.2.3 灰度共生矩阵的统计特征
    2.3 神经网络基础
        2.3.1 神经元结构
        2.3.2 神经网络模型
    2.4 卷积神经网络
        2.4.1 基本结构
        2.4.2 卷积层特点
        2.4.3 激活函数
    2.5 本章小结
第三章 基于二维图像特征的网络时间隐通道检测
    3.1 问题描述
    3.2 典型网络时间隐通道的特征分布分析
        3.2.1 L-N类型网络时间隐通道
        3.2.2 Jitterbug类型网络时间隐蔽信道
        3.2.3 时间重放类型网络时间隐通道
        3.2.4 包长度类型隐通道
    3.3 基于二维图像特征的网络时间隐通道检测
        3.3.1 检测模型
        3.3.2 特征归一化
        3.3.3 二维图像的灰度共生矩阵
    3.4 实验与分析
        3.4.1 实验环境
        3.4.2 网络流映射图像分析
        3.4.3 映射图像纹理特征比较
    3.5 本章小结
第四章 基于卷积神经网络的网络时间隐通道检测
    4.1 问题描述
    4.2 基于卷积神经网络的网络时间隐通道检测模型
        4.2.1 检测模型
        4.2.2 二维图像映射
        4.2.3 基于卷积神经网络的特征提取
        4.2.4 基于卷积神经网络的训练分类
        4.2.5 模型训练
    4.3 实验与分析
        4.3.1 数据集
        4.3.2 仿真参数
        4.3.3 训练轮数分析
        4.3.4 池化参数分析
        4.3.5 性能分析
    4.4 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 研究展望
参考文献
致谢
在学期间发表科研成果


【参考文献】：
期刊论文
[1]网络隐蔽信道关键技术研究综述[J]. 李彦峰,丁丽萍,吴敬征,崔强,刘雪花,关贝,王永吉.  软件学报. 2019(08)
[2]深度学习在图像隐写术与隐写分析领域中的研究进展[J]. 翟黎明,嘉炬,任魏翔,徐一波,王丽娜.  信息安全学报. 2018(06)
[3]虹膜区域预处理及纹理特征提取方法的研究[J]. 吕康东,吕晓琪,赵瑛.  现代电子技术. 2017(16)
[4]基于One-class SVM的网络时间隐蔽信道检测方法[J]. 刘义,兰少华.  计算机与现代化. 2017(06)
[5]基于区域分块与尺度不变特征变换的图像拼接算法[J]. 李玉峰,李广泽,谷绍湖,龙科慧.  光学精密工程. 2016(05)
[6]一种基于递归图的网络时间隐蔽信道检测方法[J]. 刘标,兰少华,张晶,刘光杰.  计算机科学. 2015(02)
[7]基于噪声模型和通道融合的彩色图像隐写分析[J]. 綦科,谢冬青.  计算机研究与发展. 2013(02)
[8]面向Liquid时间隐通道的检测方法[J]. 张志祥,金华,鞠时光,华进.  计算机工程与设计. 2012(12)
[9]IP时间隐通道抗检测技术的研究[J]. 王昌达,薄兆军,管星星,李志国.  计算机应用研究. 2012(07)
[10]复杂网络隐蔽信道的检测算法研究[J]. 钱玉文,王飞,孔建寿.  系统仿真学报. 2012(04)

硕士论文
[1]网络隐蔽信道检测关键技术研究[D]. 富广欣.战略支援部队信息工程大学 2018
[2]基于灰度共生矩阵和视觉信息的布匹瑕疵检测方法研究[D]. 闵信军.江苏大学 2018
[3]一种基于深度学习的网络隐蔽信道检测方法研究[D]. 孙义乘.哈尔滨工程大学 2018
[4]网络隐蔽信道检测技术的研究[D]. 吴小进.南京理工大学 2012
[5]网络中的隐蔽信道[D]. 吴其祥.西安电子科技大学 2009



本文编号：3714347