基于模型的网络隐信道检测算法研究

来源 :南京理工大学 | 被引量 : 0次 | 上传用户:knik120
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
网络隐信道是一种以计算机网络通信数据为载体的隐秘通信技术,属于网络与信息安全研究的范畴,是信息隐藏领域重要的研究分支之一。早期的网络隐信道算法多是基于网络通信协议的冗余字段实施信息隐藏。随着隐信道正向技术的发展,网络隐信道的隐蔽性和传输可靠性也越来越高,且逐步朝着多种嵌入方式组合、局部稀疏化嵌入以及统计特性保持三个方向发展。这使得现有网络隐信道检测算法面临巨大的挑战,许多原本有效的检测算法将难以给出可靠的检测结果。针对此问题,论文对基于模型的网络隐信道检测算法展开了研究,主要工作和成果如下:   (1)给出了网络隐信道的通信模型并从隐信道的通信性能、隐蔽性、对载体信道的影响以及鲁棒性四个方面提出了一套针对网络隐信道性能评价的指标体系,并采用层次分析法对五种典型隐信道进行评价和比较。针对网络隐信道检测研究中的网络通信数据建模问题,分析并给出了在数据包层、数据流层以及网络应用层的相应建模方法。   (2)针对一类与TCP状态相关的网络隐信道,提出了一种基于TCP协议状态Markov模型的隐信道检测方法。该方法在对TCP数据包状态分析的基础上,建立了多种网络应用下的TCP状态转移Markov模型,并提出了基于最大后验概率的序贯检测算法。所提方法对一类基于TCP协议冗余的隐信道均有效,并可在较小的检测窗口下给出可靠的检测结果。   (3)针对两种基于伪装通信的存储式隐信道提出了相应的检测算法。其中,针对基于FTP协议命令序列编码的隐信道,提出以用户操作行为作为建模对象建立FTP协议的用户行为Markov模型,并采用基于最大后验概率的检测算法。针对TCP重传式隐信道,讨论了多种可能的检测方法,针对其中的校验和比对检测法给出了一种基于负载补偿的改进重传式隐信道构建方法,并进而给出了基于部分随机比对的检测算法。   (4)针对已有检测算法对稀疏嵌入时间式隐信道检测效果不佳的问题,通过直方图方法对正常网络通信时间序列和时间式隐信道所产生时间序列进行建模,并提出了一种基于Kolmogorov-Smirnov统计量的检测方法。针对Jitterbug和TCPScript两种典型时间式隐信道的实验结果表明,该算法可实现较低嵌入率下的稀疏嵌入时间式隐信道的可靠检测。论文对实际应用中参考时延序列的多样性问题进行了讨论,进一步提出了具有更新机制的多参考检测方案并进行了实验验证。   最后,论文分析了本文研究中的不足,并指出了进一步值得研究的问题。
其他文献
电力系统动态模拟是一种用于研究电力系统动态特性的物理模拟,需要特别的定制负荷。随着电力电子技术的迅速发展,对电子负载的研究也越来越深入。通过对交流电子负载合理的控制,若使其输入侧电流具有与实际动态模拟的负载电流所一致的输入特性,电子负载完全可以取代动态模拟实验中的功率负荷应用于电力系统动态模拟实验中,从而使试验更加简便灵活、降低试验成本、提高动态模拟的自动化程度,节约电能等,弥补了传统功率负荷装置
医学图像的可视化技术在辅助诊断以及医学研究领域有着重大意义,但其往往与大型的硬件设备和复杂的软件联系在一起,这很大程度上制约了医学图像分析与处理平台的发展,降低了
GSM系统网络优化工作的难点在于干扰的定位。传统的话统数据分析与现场测试方法,存在效率低、成本高等缺点,也难以满足当前优化工作信息化、智能化要求。因此,本文从记录小区
作为工业控制系统重要组成部分的组态软件已经被广泛应用于各种工业生产中。组态软件的功能强大,在自动化系统中发挥出不可或缺的作用,现在越来越多的工控系统已经不能缺少组
随着计算机和互联网的发展,物联网的概念应运而生,它给高速信息化生活带来了极大的机遇与挑战。物联网相对于传统网络,其感知节点大都部署在无人监控的环境,具有能力脆弱、资源受
移动机器人是机器人领域的重要研究方向,是机器人学、计算机科学和人工智能等多学科的结合。在实际应用中,移动机器人需要在缺少环境相关先验知识的情况下完成探测与路径规划
环境建模和自主导航是移动机器人研究的两个重要课题。在大规模未知环境中,移动机器人的环境建模对机器人的计算能力、存储能力提出了较高要求,同时,在动态环境中如何实时准确的
迭代学习控制(ILC)是适用于被控对象在有限区间上重复作业的控制技术,控制器设计无需对受控对象准确建模。ILC利用先前的跟踪误差修正已施加的控制作用,获得新的控制作用,使
随着经济的快速发展,能源发展问题已经成为国家的重要战略,能源管理也正成为时下的一个重要研究课题。而目前,关于企业能源节能降耗的研究,相对是比较多的,但是以某个整体、
随着科技的日益进步和社会的发展,现代工业过程呈现出多变量耦合、强非线性以及模型不确定等复杂特性,严重制约着工业的生产和快速发展。如何对复杂的工业生产过程进行准确的预