[发明专利]一种基于边缘计算的隐蔽潜信道识别方法

说明书

本发明公布了一种基于边缘计算的隐蔽潜信道识别方法，通过梅尔频率倒谱系数(Mel‑Frequency Cepstral Coefficients，MFCCs)特征的提取，并采用机器学习方法对正常通信系统和潜信道隐蔽通信的系数进行学习，训练隐蔽潜信道识别装置，将特定系统的新的梅尔频率倒谱系数输入系统，实现对潜信道隐蔽通信的识别；在边缘计算平台下进行终端等梅尔频率倒谱系数采集、系统训练和学习，然后对终端通信进行是否存在潜信道隐蔽通信的识别，对终端而言，该方法具有计算复杂度低，识别准确率高的优点。

技术领域

本发明涉及安全攻击识别领域，特别是一种基于边缘计算的隐蔽潜信道识别方法。

背景技术

随着通信技术的发展，数字化语音通信越来越广泛地应用，而针对数字化语音通信的攻击也应运而生，潜信道就是一种针对数字化语音通信的攻击方法；潜信道就是指普通人感觉不到又确实存在的信道，因此攻击者可以利用这些感觉不到而又真实存在的信道来传送秘密信息，或者窃取手机、终端节点等的信息，使得用户无法感知信息被窃取、攻击和传输。

以高频声波作为载体，利用信号幅度调制，将语音信号变换为高频声波，通过对音频电路进行建模，低通滤波后向下还原原始信号，从而可利用冗余型潜信道来进行语音和数据信息的近距离传输，在人不可察觉的情况下，实现信息的传输，就是一种隐蔽潜信道攻击方法；识别隐蔽潜信道攻击是保护通信系统不受恶意攻击的必要，尤其是现在许多的移动终端，例如智能终端、电力终端等都配备了语音输入与语音控制功能，这使得针对数字化语音通信的潜信道攻击可以进行隐蔽伪装命令输入、从而从终端发起对整个网络系统的攻击；隐蔽潜信道攻击方法由于其通信依然需要一定的载体，因此通过通信信号特征分析，可对其进行识别。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于边缘计算的隐蔽潜信道识别方法，该方法是通过梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients，MFCCs)特征的提取，然后采用机器学习方法对正常通信系统和潜信道隐蔽通信的系数进行学习，训练分辨器，然后将特定系统的新的梅尔频率倒谱系数输入系统，实现对潜信道隐蔽通信的识别。

本方法在边缘计算平台下进行终端等梅尔频率倒谱系数采集、系统训练和学习，然后对终端通信进行是否存在潜信道隐蔽通信的识别，对终端而言，该方法具有计算复杂度低，识别准确率高的优势。

一种基于边缘计算的隐蔽潜信道识别方法，包括一个或多个边缘计算设备，所述边缘计算设备执行隐蔽潜信道辨析步骤，所述隐蔽潜信道辨析步骤对输入的信道信号进行辨析，判断信号是否来自所述隐蔽潜信道。

进一步的，还包括梅尔频率倒谱系数MFCCs特征提取步骤，该步骤从输入的信道信号中提取梅尔频率倒谱系数。

进一步的，还包括隐蔽潜信道辨析训练步骤，该训练步骤通过机器学习方式训练和生成隐蔽潜信道识别装置，以判别输入的信道信号是否来自所述隐蔽潜信道。

进一步的，所述训练步骤包括以下子步骤：

S1：提取信道信号的MFCCs特征；

S2：将提取的MFCCs特征输入所述的隐蔽潜信道识别装置，进行隐蔽潜信道识别训练；

S3：重复步骤S1～S2，直到达到设定的识别合格率。

进一步的，所述信道信号包括正常通信信道信号和/或隐蔽潜信道信号。

进一步的，所述正常信道信号MFCCs特征提取，包括以下步骤：

提取正常信道信号MFCCs特征，并标识为D₁；