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】
本专利技术属于电磁信息泄漏检测、深度学习、盲源分离、自适应信号处理等,尤其涉及基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法。
技术介绍
1、随着网络空间日益发展,我们越来越关注网络给信息安全带来的威胁。然而,信息安全问题并不仅仅存在于网络领域,电磁安全作为信息安全的基础支撑,即使在物理隔离、没有网络的情况下,电磁信息安全防护的缺失,仍可能造成严重的信息泄漏事件。
2、由于计算机的电磁辐射信号是无意辐射,所采集的电磁信号是各种电磁信号在空间中混合的结果,信号成分非常复杂,需要进行信号的盲分离才可后续处理。传统的盲分离方法主要有独立分量分析法,主成成分分析法、独立成分分析、非负矩阵分析法、稀疏成分分析法等。
3、其中,主成成分分析是将数据不断的进行投影,用一组较少的不相关变量来代替大量相关变量,进而去除各向量之间的相关性还有降低信号的维数,这样能更好的找出数据中最主要的部分,用最主要的数据来代替原始数据,最后对m个主成分进行加权求和,获得最终评价值,权数为每个主成分的方差贡献率;独立成分分析假设子分量是非高斯信号,并且在统计上彼此独立,然后通过将多元信号分离为加性子分量,寻找解混矩阵d(m的逆矩阵),然后对x进行线性变换,得到输出向量y;非负矩阵分解的基本思想可以简单描述为:当满足观测信号,源信号以及混合信号都不为负,且对比正定矩阵v=wh与盲源分离的数学模型x=as,当满足上述条件时便可以使用非负矩阵分解的方法进行盲源分离,这种方法主要用于高维数据的降维表示;稀疏成分分析先行条件是要求信号具有一定稀疏
4、此外,现有的电磁泄漏检测技术主要依赖于传统信号处理方法,存在效率低下、检测准确度低等问题;传统监督学习方法则是在频域方面处理信号,在还原时域信号时会产生一系列相位误差,不但泛用性差,而且耗费时间长。现有技术无法有效解决信号分离的精度问题。因此,亟需基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,以解决现有技术中的不足之处。
技术实现思路
1、本专利技术的目的在于提出基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,在电磁环境复杂的情况下,检测vga显示器的电磁信息泄漏情况,分离出特征信号并重构出泄漏的图像信息,进而解决现有技术中电磁泄漏检测不准、信号分离困难等问题。
2、为实现上述目的,本专利技术提供了基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,具体包括以下步骤:
3、采集数据集,所述数据集包括电磁泄漏混合信号、帧行同步信号和rgb信号;
4、利用所述帧行同步信号和所述rgb信号对所述电磁泄漏混合信号进行预处理,获取预处理后的电磁泄漏混合信号;
5、将待处理的电磁泄漏信号输入堆叠卷积网络模型,输出分离后的电磁泄漏信号,其中,所述堆叠卷积网络模型由训练集训练获得,所述训练集为所述预处理后的电磁泄漏混合信号;
6、利用所述分离后的电磁泄漏信号进行自动重构,获取可视化图像,完成基于堆叠卷积网络的显示器电磁泄漏信号检测与分离。
7、可选的,所述预处理过程包括:定位所述帧行同步信号的起点和终点以及像素点位置、制作掩码器以及利用所述掩码器从所述电磁泄漏混合信号中分离目标帧行同步电磁辐射信号、目标rgb图像辐射信号,并滤除噪声。
8、可选的,利用所述帧行同步信号和所述rgb信号对所述电磁泄漏混合信号进行预处理,获取所述预处理后的电磁泄漏混合信号包括:
9、通过绝对值处理消去所述帧行同步信号负数部分,并对所述帧行同步信号进行二值化和差分处理,获取所述帧行同步信号的起点和终点,并获取帧行掩码器;
10、将所述帧行掩码器和所述电磁泄漏混合信号相乘,获取所述目标帧行同步电磁辐射信号;
11、对所述rgb信号进行二值化和差分处理,获取像素点位置,并获取rgb掩码器;
12、将所述rgb掩码器和所述电磁泄漏混合信号相乘,获取所述目标rgb图像辐射信号;
13、基于所述目标帧行同步电磁辐射信号和所述目标rgb图像辐射信号,滤除噪声信号,获取所述预处理后的电磁泄漏混合信号。
14、可选的,所述堆叠卷积网络模型采用swish-tcn结构,包括输入层、堆叠卷积层、全连接层和输出层。
15、可选的,根据所述训练集训练所述堆叠卷积网络模型的停止条件包括第一停止条件和第二停止条件;
16、所述第一停止条件为根据评估指标,如果连续训练目标次数,指标波动一直小于阈值则结束训练;
17、所述第二停止条件为指定训练次数为固定次数。
18、可选的,将所述待处理的电磁泄漏信号输入堆叠卷积网络模型,输出分离后的电磁泄漏信号包括:
19、将所述待处理的电磁泄漏信号输入所述堆叠卷积网络模型,利用swish-tcn提取特征信息;
20、将所述特征信息输入一维卷积和sigmoid整合为信号掩膜,并与所述待处理的电磁泄漏信号相乘,从所述待处理的电磁泄漏信号中提取目标信息;
21、基于所述目标信息,通过一维卷积逆变换,获取所述分离后的电磁泄漏信号。
22、可选的,所述分离后的电磁泄漏信号包括rgb信号、帧行同步信号和噪声信号。
23、可选的,利用所述分离后的电磁泄漏信号进行自动重构,获取所述可视化图像包括:
24、对所述分离后的电磁泄漏信号进行二值滤波操作,获取滤波分离后的电磁泄漏信号;
25、通过记录所有连续相邻点位信息,获取非零范围,并取范围中间点,获取连续点数的中位数;
26、基于所述连续点数的中位数,获取所述帧行同步信号的关键点位置信息;
27、将所述滤波分离后的电磁泄漏信号按照所述帧行同步信号的关键点位置信息进行排序分行,获取所述可视化图像。
28、本专利技术具有以下有益效果:
29、本专利技术基于深度学习的堆叠网络模型,能够利用神经网络自动学习特征同时堆叠网络直接时域处理,可以避免相位误差,提高时间效率和分离性能;本专利技术联合检测和分离算法,能够实现端到端信号的分离任务,且本专利技术能够精确提取同步信号,自动重构复现泄漏图像,便于查看分离效果。
本文档来自技高网...【技术保护点】
1.基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,其特征在于,具体包括以下步骤:
2.如权利要求1所述的基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,其特征在于,所述预处理过程包括:定位所述帧行同步信号的起点和终点以及像素点位置、制作掩码器以及利用所述掩码器从所述电磁泄漏混合信号中分离目标帧行同步电磁辐射信号、目标RGB图像辐射信号,并滤除噪声。
3.如权利要求2所述的基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,其特征在于,利用所述帧行同步信号和所述RGB信号对所述电磁泄漏混合信号进行预处理,获取所述预处理后的电磁泄漏混合信号包括:
4.如权利要求1所述的基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,其特征在于,所述堆叠卷积网络模型采用Swish-TCN结构,包括输入层、堆叠卷积层、全连接层和输出层。
5.如权利要求4所述的基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,其特征在于,根据所述训练集训练所述堆叠卷积网络模型的停止条件包括第一停止条件和第二停止条件;
6.如权利要求1所述的基于堆
7.如权利要求6所述的基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,其特征在于,所述分离后的电磁泄漏信号包括RGB信号、帧行同步信号和噪声信号。
8.如权利要求7所述的基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,其特征在于,利用所述分离后的电磁泄漏信号进行自动重构,获取所述可视化图像包括:
...【技术特征摘要】
1.基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,其特征在于,具体包括以下步骤:
2.如权利要求1所述的基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,其特征在于,所述预处理过程包括:定位所述帧行同步信号的起点和终点以及像素点位置、制作掩码器以及利用所述掩码器从所述电磁泄漏混合信号中分离目标帧行同步电磁辐射信号、目标rgb图像辐射信号,并滤除噪声。
3.如权利要求2所述的基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,其特征在于,利用所述帧行同步信号和所述rgb信号对所述电磁泄漏混合信号进行预处理,获取所述预处理后的电磁泄漏混合信号包括:
4.如权利要求1所述的基于堆叠卷积网络的显示器电磁泄漏信号检测与分离方法,其特征在于,所述堆叠卷积网络模型采用swish-tcn结构,...
【专利技术属性】
技术研发人员:刘晋明,陈扬,庞笑雨,茅剑,黄斌,黄楷,陈杰,关天敏,
申请(专利权)人:集美大学,
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。