论文部分内容阅读
近年来,网络电话VoIP凭借建设成本低、功能强大、通信费用低廉、使用方便等优点得到了快速的发展。而针对VoIP电话的追踪技术却相对滞后,这使得VoIP电话成为金融诈骗等犯罪活动的新媒介。大数据时代的到来为溯源研究提供了新思路,VoIP溯源变成一个数据驱动可解决问题。语音特征是诈骗者较难控制篡改的信息,在数据量足够大的情况下,大数据分析技术使得研究者仅需收集这些数据,即可在一定程度上发现VoIP电话的真实来源。本文针对以上问题,提出了基于大数据技术实现VoIP音频溯源的完整方案。本文提出了一种利用SVM、随机森林和神经网络的VoIP溯源方法。首先,提取和筛选音频携带的网络特征及音频本身蕴含的与地理位置相关的特征,然后结合本文提出的基于LSTM神经网络的隐式特征,训练VoIP溯源分类器,用于识别VoIP电话经过的基础设施和网络路径,预测新的呼叫的来源。本文的研究对象是基于SIP协议的VoIP电话。本文设计的VoIP溯源方法包括网络监听、数据包解析、特征工程特征优化、VoIP溯源模型训练以及结果分析五个步骤。其中,研究的重点是音频特征向量的构造。模型选择上,综合考虑样本数据类型、样本容量、特征维度、是否线性可分等因素,选取支持向量机和随机森林模型作为VoIP溯源模型;特征工程上,本文挖掘和优化特征向量,由提取的音频基础特征和二阶动态差分特征,改进到基于森林模型筛选出贡献度最高的音频特征。更进一步,本文提出了基于LSTM神经网络细胞单元学习输出的隐式特征,引入时间序列的关系,去掉模型的全连接层,获得神经网络细胞学习输出的隐式特征,与贡献度最高的特征结合,构造VoIP溯源音频特征向量。通过训练SVM和随机森林非线性分类器,在VoIP溯源的问题上,得到了较好的效果,溯源效果F1值最高达到91.9%。另外,本文设计两种实验场景单人多地场景和多人多地场景采集呼叫数据,以模拟真实世界的VoIP电话数据。将本文设计的VoIP溯源方法应用到上述两种场景,实验验证分别得到VoIP溯源93.8%和84.8%的准确率。