科研成果详情

本发明公开了一种基于相空间重构的网络流关联方法,方法包括在发送端获取发送端的网络流量序列的数字摘要及在接收端获取接收端的网络流量序列的数字摘要；接收端读取已保存的发送端的数字摘要,计算发送端的数字摘要和接收端的数字摘要的余弦相似度；若所述余弦相似度在预设的置信空间内,判定发送端和接收端存在通信关系,否则,判定发送端和接收端不存在通信关系。本发明发明不需要调制待追踪数据流的包大小、时间、速率等特征来嵌入水印信息,不影响传输效率,不会被现有的流水印攻击方法发现。

1.一种基于相空间重构的网络流关联方法,其特征在于,包括：步骤1,在发送端获取发送端的网络流量序列的数字摘要及在接收端获取接收端的网络流量序列的数字摘要；发送端获取网络流量序列的数字摘要的方法与接收端获取网络流量序列的数字摘要的方法相同,包括：使用互信息量法获取网络流量序列的最佳延迟时间,并使用Cao方法获取最小嵌入维数；根据最佳延迟时间和最小嵌入维数进行相空间重构,将网络流量序列变换到高维空间中；网络流量序列重构到多维空间后,选取内在联系的统计特征,构造数字摘要并保存；步骤2,接收端读取已保存的发送端的数字摘要,计算发送端的数字摘要和接收端的数字摘要的余弦相似度；若所述余弦相似度在预设的置信空间内,判定发送端和接收端存在通信关系,否则,判定发送端和接收端不存在通信关系；所述最佳延迟时间的获取方法,包括：(1)设A＝{an}＝{s(n)}表示原始的网络流量序列,B＝{bm}＝{s(n+τ)}表示延迟时间是τ的网络流量序列,它们的信息熵可分别表示为： 其中,N表示网络流量序列中相点个数,Pa(an)和Pb(bm)分别表示an和bm的概率；(2)通过如下方式获取A和B的互信息量；A和B的互信息量为表示为I(B,A)＝H(B)-H(B|A)；其中, 则其中,Pab(an,bm)表示an,bm的联合分布概率；(3)将I(B,A)记为I(τ),表示网络流量序列s(n)和s(n+τ)之间的相关性；获取I(τ)中的第一次极小值的点所对应的延迟时间值作为最佳延时时间τ；所述最小嵌入维数的获取方法,包括：(1)令其中,d表示嵌入维数；||·||表示向量的范数,Xn(i,d)(d+1)表示距离第i个相空间重构的向量Xi(d+1)最近的向量,Xi(d+1)的嵌入维数是d+1,n(i,d)的取值范围是1到N-dτ之间的整数；(2)令获取E(d)趋于平稳状态时所对应的d值作为运用Cao方法求得的最佳嵌入维数；所述网络流量序列重构到多维空间后,选取内在联系的统计特征,构造数字摘要并保存,包括如下步骤：(1)一维空间中的N个相点在d维空间中的轨迹可表示为： 其中,M表示重构后的相点个数,M＝N-(d-1)τ；(2)计算矩阵X中每个列向量Xi内样本的均值以及所有列向量的数学期望其中1≤i≤M；j表示矩阵X的行坐标；(3)对于列向量Xi,如果其ei>E,则将此Xi量化为zi＝1；如果ei≤E,则将此Xi量化为zi＝0；依此类推,最终获得数字摘要Z＝{z1,z2,…,zi,…,zd,zi∈[0,1]}；(4)将获得的数字摘要保存到可信的第三方数据库。