[发明专利]一种基于无线网络流量的偷拍摄像头检测及防护方法

说明书

本发明公开了一种基于无线网络流量的偷拍摄像头检测及防护方法，涉及信息安全技术领域。所述方法包括：获取局域网内的无线网络数据包，对所述无线网络数据包进行过滤、分组，检测所述局域网内是否存在无线摄像头，对无线摄像头的拍摄行为做出防护。本发明能够有效检测无线摄像头，检测结果具有极高的准确性，并能够做出相应防护措施，能够保护隐私安全。

技术领域

本发明涉及信息安全技术领域，尤其涉及一种基于无线网络流量的偷拍摄像头检测及防护方法。

背景技术

近年来，随着互联网技术与通信技术的快速发展，摄像头在各行业中的应用越来越广泛，涉及安防、监控等多领域。但是隐私空间的无线摄像头监视带来了巨大危害，如酒店，更衣室，会议室等隐私性要求高的场所存在被无线摄像头恶意窥探的可能。

而这类摄像头大多为无线摄像头，体积小，数据实时上传，因此十分隐蔽，难以被抹除。因此，如何有效检测周围是否有偷拍的无线摄像头并且做出防御，是业界亟待解决的技术问题。

发明内容

本发明提供了一种基于无线网络流量的偷拍摄像头检测及防护方法，检测所连接局域网中是否存在无线摄像头，并通过信息手段使其无法继续工作。

本发明采用的技术方案如下：

一种基于无线网络流量的偷拍摄像头检测及防护方法，包括：

1)获取空间局域网内的无线网络数据包流量信息；

2)将过滤后的无线网络数据包流量信息根据ip帧头信息中的源ip地址和目标ip地址进行数据流分组，每一组数据流对应接入局域网的同类型设备；

3)提取每一组数据流的多维特征向量，包括源ip数据包占比、数据包更换目标ip的平均时间、数据包持续时间的均值及标准差、数据包发送时间间隔的均值及标准差、数据包长度的均值及标准差、数据包所属服务类型的信息熵、数据包生存时间的均值及标准差；

4)利用步骤3)得到的多维特征向量对XgBoost模型进行训练，训练时，将无线摄像头设备对应的多维特征向量标记为正样本，其余设备对应的多维特征向量标记为负样本；训练好的XgBoost模型能实现数据流的二分类；

5)获取待检测空间局域网内的无线网络数据包流量信息，采用步骤2)和3)中的方法提取检测空间局域网内所有连接设备的数据流对应的多维特征向量，利用训练好的XgBoost模型判断待检测空间是否存在无线摄像头；若存在无线摄像头，则对待检测空间局域网发起洪泛攻击，使无线摄像头设备下线。

进一步的，步骤3)所述的多维特征向量，具体为：

a.数据流中源ip数据包占比L：

其中，N_u表示数据流中包含的源ip数据包的数量，N表示数据流中包含的总数据包的数量；

b.获取数据流中的数据包更换目标ip的时间戳t_i，形成数据流的目标ip更换时间序列C＝{t₁，t₂，...，t_i，...t_m}，t_m表示数据流中第m种目标ip对应的数据包更换目标ip时间戳；利用时间序列C计算数据流中数据包更换目标ip的平均时间μ_tc：

tc_i＝t_i+1-t_i

其中，tc_i是第i+1种目标ip与第i种目标ip对应的数据包更换ip的时间差，μ_tc是数据包更换目标ip的平均时间；