System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
:本专利技术涉及深度学习以及大数据领域,具体为一种基于stadn网络与自适应置信阈值的隐藏式摄像头检测方法。
技术介绍
0、
技术介绍
:
1、随着科技的迅猛发展,各种便捷的电子设备为人们的日常生活和工作带来了很多便利。然而,其中的一些设备,如隐藏式摄像头,却为人们的隐私安全带来了巨大的威胁。隐藏式摄像头通常小巧、难以察觉,并可以被非法分子用于各种非法活动,例如偷拍、窃取商业机密、监视等。在酒店环境中,这种问题尤为严重。由于客人在酒店中进行的大多是私密活动,非法的隐藏式摄像头便成了侵犯客人隐私的主要工具。这些摄像头可以捕获客房内的实时画面以音频流,包括客人的日常行为、私人对话、身份信息、商业交易或其他敏感内容。这不仅严重侵犯了客人的隐私权,还可能导致重大的经济损失和名誉损害。为应对此类问题,过去的技术主要侧重于对物理环境的检查,例如使用红外扫描仪、无线信号侦测器等工具进行手动检查。但这些方法既费时费力,也不一定能够准确找出所有的隐藏式摄像头。而且,由于技术的不断进步,一些高级的隐藏摄像头甚至可以避免被传统的检测工具发现。此外,随着物联网的普及,大多数的隐藏式摄像头都已经实现了无线传输功能。这使得它们可以远程控制、存储数据,甚至实时上传至云端。而传统的物理检测方式很难对这些无线数据传输进行有效的监控和干预。对此,研究者们开始探索网络数据流的分析方法来检测隐藏式摄像头。通过分析无线数据包的特征,例如数据包的大小、传输速率、协议类型等,可以初步判断是否存在隐藏摄像头的数据流。然而,这种方法往往依赖于固定的规则和模式,对于那些使
技术实现思路
0、
技术实现思路
:
1、为了解决以上问题,本专利技术基于一种基于stadn网络与自适应置信阈值的隐藏式摄像头检测方法,能够实现较高的准确性和效率检测和预防隐藏摄像头的非法数据传输。
2、为实现上述目的,本专利技术采取的技术方案是:
3、一种基于stadn网络与自适应置信阈值的隐藏式摄像头检测方法,包括以下步骤:
4、1)隐性摄像流特征捕获与分析;
5、在酒店环境中,隐藏式摄像头不仅会严重侵犯客人的隐私权,还会威胁到人民群众的安全和财产,非法偷拍者部署这些摄像头捕获客房内的实时画面以音频流包括客人的日常行为、私人对话、身份信息、商业交易或其他敏感内容。为了实时或者延时的将信息传送到远程的设备或云存储,该隐藏式摄像头采用无线网络进行数据流的传递,本步骤中,首先采用wireshark进行无线数据包的抓取分析,即初次进行全频率抓包时,包括整个无线网络下所有设备的上传数据包,对每个数据包进行特征提取,其中包括数据包大小、数据包协议类型、数据包端口、同种数据包到达时间间隔、数据传输周期性、数据传输速率、同种数据包的隐性网络指数,本次申请中采用特征公式进行统一表征;
6、2)stadn网络构建;
7、本次申请中提出一种新型的stadn网络,旨在能够更精确的分析出当前酒店环境是否存在隐藏式摄像头的数据包,在本步骤中,首先提出一种p-class算子,通过将这些数据包的mac以及ip地址进行解析,即p-class算子通过识别并比较数据包的mac地址和ip地址,将具备相同的mac和ip地址的数据包划分为一类,为后续的分析和识别提供基础,并且首次提出一种pstgan算子,旨在自动生成其非活跃时期的数据,然后提出一种信号强度提取因子,检测该所有数据包在得出的在电源附近最大的信号强度,其次本步骤中采用拼接公式形成网络输入向量,最后采用判定公式进行结果给定。
8、其中,步骤2)stadn网络构建包含以下子步骤:
9、总体数据包分类;
10、pstgan算子;
11、locfac算子;
12、stadn输入特征向量形成;
13、stadn基础网络架构构建;
14、3)隐蔽摄像检测置信度阈值智能优化策略构建;
15、当模型训练以及搭建完成后,本步骤中则引入一种自适应置信阈值调整策略,另外,提出一种深度验证机制,此外,本申请还强调了与酒店安全数据库的整合。如果某数据包的置信度超过了设定阈值,系统将自动查询该房间过去30天内的安全事件记录;
16、作为本专利技术的进一步改进,所述步骤1)中特征公式表示为:
17、其中,特征公式表示如下:
18、x4=tpari-tfari ⑴
19、
20、
21、
22、其中,x4,x5,x6,x7分别为同种数据包到达时间间隔、数据传输周期性、数据传输速率以及同种数据包的隐性网络指数特征值,tpari,tfari分别为当前数据包到达的时间以及上一个数据包达到的时间,f是频率,|f(f)|2是频率f其上的能量,f(f)为将时间函数转换为频率的傅里叶变换,fpeak为主要频率成分集合计数,pts为数据包大小,μmax,μmin是数据包大小的最小和最大平均值,σmin,σmax是数据包大小的最小和最大方差,σ为数据包实时方差,skewmax,skewmin是数据包偏度的最小和最大值,skewness(s)为当前数据包偏度,kurtmax,kurtmin是数据包峰度的最小和最大值,kurwosis(s)为当前数据包的峰度。
23、作为本专利技术的进一步改进,所述步骤2)中pstgan算子表示为:
24、其中,pstgan算子表示如下:
25、
26、其中,xt为预测后的特征值,i为特征下标编号,x1,x2,x3,x4,x5,x6,x7分别为数据包大小、数据包协议类型、数据包端口、同种数据包到达时间间隔、数据传输周期性、数据传输速率、同种数据包的隐性网络指数。t1,t2分别表示两个时间点,xt2,xt1分别表示为t2,t1时刻点的一直特征数据值,t为想要预测的时间点。
27、作为本专利技术的进一步改进,所述步骤2)中locfac算子表示为:
28、其中,locfac算子表示如下:
29、locfac=max(a1,a2,a3,a4,…,an) ⑹
30、其中,a1,a2,a3,a4,…,an分别为无线网络抓包装置在各个电源附近测得的数据包信号强度,max()表示从中提取出最大值,locfac则为该数据包的信号强度特征值。
31、作为本专利技术的进一步改进,所述步骤2)中拼接公式表示为:
32、其中,拼接公式表示如下:
33、vec=concat(x1,x2,x3,x4,x5,x6,x7,locfac) ⑺
34本文档来自技高网...
【技术保护点】
1.一种基于STADN网络与自适应置信阈值的隐藏式摄像头检测方法,其特征在于,包括以下步骤:
2.根据权力要1所述的一种基于STADN网络与自适应置信阈值的隐藏式摄像头检测方法,其特征在于:
3.根据权力要1所述的一种基于STADN网络与自适应置信阈值的隐藏式摄像头检测方法,其特征在于:
【技术特征摘要】
1.一种基于stadn网络与自适应置信阈值的隐藏式摄像头检测方法,其特征在于,包括以下步骤:
2.根据权力要1所述的一种基于stadn网络与自适...
【专利技术属性】
技术研发人员:吕鹏,
申请(专利权)人:四川昱澄信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。