一种基于家庭无线摄像头加密流量的用户行为推测方法技术

本发明专利技术公开了一种基于家庭无线摄像头加密流量的用户行为推测方法，使用智能设备(如手机、笔记本电脑)的内置无线网卡从室外采集家庭无线流量，通过分析家庭无线流量和无线摄像头流量特征，检测并分离无线摄像头流量，通过分析无线摄像头流量变化与用户行为间的关联关系，并结合深度学习方法对用户行为进行推测，包括是否在家，在家常见行为等。本发明专利技术创新性地提出可使用家庭无线摄像头流量推测用户行为，在不进入家庭的情况下，对家庭用户行为习惯进行推测和追踪。本发明专利技术方法的用户行为推测精确度在90％左右。

【技术实现步骤摘要】
一种基于家庭无线摄像头加密流量的用户行为推测方法
本专利技术属于互联网领域，涉及一种基于家庭无线摄像头加密流量的用户行为推测方法。
技术介绍
随着人们对个人人身、财产安全的日益关注，家庭监控摄像头的普及率越来越高。无线摄像头由于其价格低廉、部署方便，在家庭监控摄像头市场中占据主导份额。随着无线监控设备发展而来的是与之相关的隐私安全问题。经研究发现，由于无线摄像头一般通过差分编码方式对监控画面进行编码，用户行为发生变化时，监控画面也随之发生变化，无线摄像头流量将发生对应改变。通过研究用户行为对监控画面内容造成的影响与摄像头流量变化之间的关联关系，可将本用于保护个人人身财产安全的无线监控设备用于推测家庭用户的行为习惯。本专利技术提出了一种基于家庭无线摄像头加密流量的用户行为推测方法，使用智能设备(如手机、笔记本电脑)的内置无线网卡从室外采集家庭无线流量，通过分析家庭无线流量和无线摄像头流量特征，检测并分离无线摄像头流量，通过分析无线摄像头流量变化与用户行为间的关联关系，并结合深度学习方法对用户行为进行推测，包括是否在家，在家行为等。通过长期的数据采集及行为推测，本专利技术方法可以追踪某特定家庭用户的生活习惯，如何时离家、回家，在家常见行为等。
技术实现思路
本专利技术提供一种基于家庭无线摄像头加密流量的用户行为推测方法，使用智能设备(如手机、笔记本电脑)的内置无线网卡从室外采集家庭无线流量，通过分析家庭无线流量和无线摄像头流量特征，检测并分离无线摄像头流量，通过分析无线摄像头流量变化与用户行为间的关联关系，并结合深度学习方法对用户行为进行推测，包括是否在家，在家行为等。本专利技术的基于家庭无线摄像头加密流量的用户行为推测，包括以下步骤：1)将智能设备(如手机、笔记本电脑)的无线网卡设置为监听模式(MonitorMode)，在目标家庭附近对目标家庭无线流量进行采集；2)对智能设备采集到的家庭无线流量数据进行无线摄像头流量检测分析，从而分离出无线摄像头流量；3)对分离到的无线摄像头流量进行用户行为分析，从而推测用户行为。上述技术方案中，所述的无线摄像头流量检测分析包括：分析家庭无线流量数据包的发送端MAC地址和接收端MAC地址，建立MAC地址对{发送端MAC地址，接收端MAC地址}，作为数据包的身份标识。将具有相同MAC地址对的数据包视为来源于同一数据流f，建立数据流集合F＝{f1,f2,…fn}。对于数据流集合中的每一个数据流f，计算其最大包长占比l，流量占比v和持续时间标准差d，建立特征向量V＝{l,v,d}。其中，最大包长占比l为该数据流中，具有数据包长度最大值的数据包占总数据包数量的比值；流量占比v为该数据流数据包长度总和占所有数据流数据包长度总和的比值；持续时间标准差d为该数据流所有数据包包头Duration位数值的标准差。将每个数据流的特征向量输入预训练好的无线摄像头数据流检测分类器中，检测其是否输出无线摄像头数据流，若是，分离出该数据流进行后续分析。预训练好的无线摄像头数据流检测分类器可为基于RandomForest的二分类器，以从无线摄像头数据流中提取的特征向量为正样本，从非无线摄像头数据流中提取的特征向量为负样本，进行预训练。所述的对无线摄像头流量分析结果进行用户行为分析，具体为。分析无线摄像头数据流，提取无线摄像头数据流中每个数据包的时间戳和数据包长度，计算无线摄像头数据流比特率b，形成比特率序列B＝{b1,b2,…bn}。其中，无线摄像头数据流比特率b为某一时间段内无线摄像头数据包长度的总和，时间段长度可设为0.1秒。将无线摄像头数据流比特率序列输入预训练好的用户家庭状态预测分类器中，推测用户是否在家。推测的用户家庭状态类别包括：(1)家中有人，和(2)家中无人。预训练好的用户家庭状态预测分类器可为基于ExtraTrees的二分类器，以家中有人时无线摄像头数据流中提取的比特率序列为正样本，从家中无人时无线摄像头数据流中提取的比特率序列为负样本，进行预训练。若用户家庭状态预测结果为家中有人，将无线摄像头数据流比特率序列进一步输入预训练好的用户行为推测分类器中，推测用户行为。推测的用户行为类别包括：(1)低强度行为，如看电视、静坐、睡觉等，(2)中强度行为，如走路、打扫等和(3)高强度行为，如跑跳等。预训练好的用户家庭状态预测分类器可为基于长短期记忆(LongShort-timeMemory)神经网络的三分类器，以家中用户进行低强度行为时无线摄像头数据流中提取的比特率序列为类别(1)的训练样本，家中用户进行中强度行为时无线摄像头数据流中提取的比特率序列为类别(2)的训练样本，家中用户进行高强度行为时无线摄像头数据流中提取的比特率序列为类别(3)的训练样本进行预训练。本专利技术的有益效果是：本专利技术使用智能设备(如手机、笔记本电脑)的内置无线网卡从室外采集家庭无线流量，通过分析家庭无线流量和无线摄像头流量特征，检测并分离无线摄像头流量，通过分析无线摄像头流量变化与用户行为间的关联关系，并结合深度学习方法对用户行为进行推测，包括是否在家，在家行为等。该方法创新性地提出可以通过分析家庭无线摄像头流量，在不进入室内的情况下，对家庭用户行为习惯进行推测和追踪。该方法的有点在于不易被用户察觉，具有较高隐蔽性。本专利技术方法的用户行为推测精确度在90％左右。附图说明图1是本专利技术实施例的方法流程图。图2是本专利技术实施例中采用的LSTM网络示例图。具体实施方式下面结合实施例和说明书附图对本专利技术做进一步说明。本专利技术实施例的方法流程，如图1所示。本专利技术的基于家庭无线摄像头加密流量的用户行为推测方法，包括以下步骤：1)将智能设备(如手机、笔记本电脑)的无线网卡设置为监听模式(MonitorMode)，在目标家庭附近对目标家庭无线流量进行采集；2)对智能设备采集到的家庭无线流量数据进行无线摄像头流量检测分析。分析家庭无线流量数据包的发送端MAC地址和接收端MAC地址，建立MAC地址对{发送端MAC地址，接收端MAC地址}，作为数据包的身份标识。将具有相同MAC地址对的数据包视为来源于同一数据流f，建立数据流集合F＝{f1,f2,…fn}。对于数据流集合中的每一个数据流f，计算其最大包长占比l，流量占比v和持续时间标准差d，建立特征向量V＝{l,v,d}。其中，最大包长占比l为该数据流中，具有数据包长度最大值的数据包占总数据包数量的比值；流量占比v为该数据流数据包长度总和占所有数据流数据包长度总和的比值；持续时间标准差d为该数据流所有数据包包头Duration位数值的标准差。将每个数据流的特征向量输入预训练好的无线摄像头数据流检测分类器中，检测其是否输出无线摄像头数据流，若是，分离出该数据流进行后续分析。预训练好的无线摄像头数据流检测分类器可为基于RandomForest的二分类器，以从无线摄像头数据流中提取的特征向量为正样本，从非无线摄像头数据流中提取的特本文档来自技高网...

【技术保护点】
1.一种基于家庭无线摄像头加密流量的用户行为推测方法，其特征在于，该方法包括以下步骤：/n1)将智能设备的无线网卡设置为监听模式(Monitor Mode)，在目标家庭附近对目标家庭无线流量进行采集；/n2)对智能设备采集到的家庭无线流量数据进行无线摄像头流量检测分析，从而分离出无线摄像头流量；/n3)对分离到的无线摄像头流量进行用户行为分析，从而推测用户行为。/n

【技术特征摘要】
1.一种基于家庭无线摄像头加密流量的用户行为推测方法，其特征在于，该方法包括以下步骤：
1)将智能设备的无线网卡设置为监听模式(MonitorMode)，在目标家庭附近对目标家庭无线流量进行采集；
2)对智能设备采集到的家庭无线流量数据进行无线摄像头流量检测分析，从而分离出无线摄像头流量；
3)对分离到的无线摄像头流量进行用户行为分析，从而推测用户行为。


2.根据权利要求1所述的基于家庭无线摄像头加密流量的用户行为推测方法，其特征在于，所述的无线摄像头流量检测分析包括以下步骤：
(1)分析家庭无线流量数据包的发送端MAC地址和接收端MAC地址，建立MAC地址对{发送端MAC地址，接收端MAC地址}，作为数据包的身份标识，将具有相同MAC地址对的数据包视为来源于同一数据流f，建立数据流集合F＝{f1,f2,…fn}；
(2)对于数据流集合中的每一个数据流f，计算其最大包长占比l，流量占比和持续时间标准差d，建立特征向量V＝{l,v,d}，其中，最大包长占比l为该数据流中，具有数据包长度最大值的数据包占总数据包数量的比值；流量占比v为该数据流数据包长度总和占所有数据流数据包长度总和的比值；持续时间标准差d为该数据流所有数据包包头Duration位数值的标准差；
(3)将每个数据流的特征向量输入预训练好的无线摄像头数据流检测分类器中，检测其是否输出无线摄像头数据流，若是，分离出该数据流进行后续分析。


3.根据权利要求2所述的基于家庭无线摄像头加密流量的用户行为推测方法，其特征在于，所述的预训练好的无线摄像头数据流检测分类器可为基于RandomForest的二分类器，以从无线摄像头数据流中提取的特征向量为正样本，从非无线摄像头数据流中提取的特征向量为负样本，进行预训练。


4.根据权利要求1所述的基于家庭无线摄像头加密流量的用户行为推测方法，其特征在...

【专利技术属性】
技术研发人员：冀晓宇，徐文渊，程雨诗，杨家辉，姚一杨，王滨，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33