Details of Research Outputs

本发明公开了一种基于网络流量预测与熵的网络流水印检测方法及系统,方法包括水印嵌入与水印检测,所述水印嵌入包括：通过指数平滑预测和信息熵处理网络流量,定性定量地代替随机确定适合水印嵌入的时间间隔；在确定的时间间隔内进行水印嵌入检测操作。与传统的网络流水印方法相比,本发明克服了传统水印方案存在的共同缺点,即随机获取时间点进行水印的嵌入操作导致检测准确率较低的缺点。本发明在信息量大的时间内嵌入水印,不易暴露,具有更好的隐蔽性、更强壮的鲁棒性等优势；同时在确定的时间间隔内进行水印操作,提高了水印检测的准确率,也提高了水印的检测效率。

1.一种基于网络流量预测与熵的网络流水印检测方法,包括水印嵌入与水印检测,其特征在于,所述水印嵌入包括：根据当前采集的数据包的时序序列,利用指数平滑模型预测法构建未来网络链路中数据包的时序序列；在构建的预测时间序列上,计算信息熵大小,所述信息熵大小为网络链路上单位时间内数据包的比特熵大小；提取比特熵大于预设熵阈值的时间间隔,确定所述时间间隔为所述水印生成的最佳时间间隔；在已确定的水印嵌入最佳时间间隔内随机选取数据包,调整随机选取的数据包之间的时延生成水印信息；当真实流量的某个时间间隔与预测流量水印嵌入的最佳时间间隔对应时,在该时间间隔内随机嵌入生成的水印信息；所述水印检测包括：判断检测流为所述最佳时间间隔时,提取网络流量中的水印信息；计算嵌入水印与提取水印的相关性；当所述相关性超过预设相关性阈值时,确定水印存在；所述根据当前采集的数据包的时序序列,利用指数平滑模型预测法构建未来网络链路中数据包的时序序列,具体包括：采样网络流量,获得网络流量时间序列信息{t1,t2,...,ti,...,tn},其中ti表示i时刻流量的时间戳；对获取的时间序列进行差分,获得差分时间序列{xi|ti-ti-1}；根据指数平滑预测模型构建预测时间序列；所述指数平滑预测模型的表达式为： 其中为时间序列在i+1时刻的预测值,Xi为时间序列在i时刻的原始真实值,为时间序列在i时刻的预测值,∝表示平滑常数；实际网络中预测时间序列的表达式为： 其中为网络流中时间序列在i时刻的预测值,xi-1为时间序列在i-1时刻的原始真实值,是时间序列在i-1时刻的预测值。