CN106231625B - 一种加密manet中的用户类型识别系统 - Google Patents
一种加密manet中的用户类型识别系统 Download PDFInfo
- Publication number
- CN106231625B CN106231625B CN201610788636.6A CN201610788636A CN106231625B CN 106231625 B CN106231625 B CN 106231625B CN 201610788636 A CN201610788636 A CN 201610788636A CN 106231625 B CN106231625 B CN 106231625B
- Authority
- CN
- China
- Prior art keywords
- user
- type
- module
- node
- sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
本发明涉及一种加密MANET中用户类型的识别系统,包括:子网分选模块、节点区分模块、无线电定位装置、中继转发节点识别模块、业务类型识别模块、包含率计算单元、用户类型识别模块。子网分选模块用于对子网进行分选;节点区分模块用于对同一子网中不同的节点进行区分;无线电定位装置进行交会定位;中继转发节点识别模块用于对中继转发节点进行识别;业务类型识别模块基于流量测量进行加密MANET业务类型识别;包含率计算单元用于求取待测用户频繁序列集对特征序列集的包含率;用户类型识别模块基于包含率确定用户的类型。解决需要大量的历史数据,识别速度较慢,且无法应用于加密MANET的问题。
Description
技术领域
本发明涉及无线网络领域,尤其涉及一种加密MANET中的用户类型识别系统。
背景技术
MANET(Mobile Ad Hoc Network),由一组无线移动节点组成的多跳无中心网络,节点可以自由而动态的组成任意临时性的网络结构,具有很强的抗摧毁性和自组性,应用广泛。
针对用户类型的识别主要是通过对网络中的流量进行长时间的监视分析,进而通过一定方法实现对用户类型的识别。目前针对用户类型的识别主要关注于因特网,应用于个性化推荐,包括搜索引擎和电子商务等。推荐的技术主要包括基于关联规则的推荐、基于内容的推荐和基于协同过滤的推荐,主要用于匹配度衡量的指标主要包括向量夹角的余弦值、最大熵、增益比等。总体上是通过数据挖掘和机器学习等方法对大量信息进行处理,将具有相似背景的用户与其喜好的信息或者商品实现关联,进而构建用户模型,在推荐过程中通过待识别用户历史信息形成的用户向量与已构建模型中的用户向量进行匹配度计算,将待测用户类型判定为匹配度最高模型中的用户类型,进而将对应的信息或商品向用户进行推荐,提高了推荐的准确度。
上述方法虽然能够对用户类型进行较为有效的识别,但是需要大量的历史数据,识别速度较慢,且无法实现加密MANET中用户类型的识别。
发明内容
鉴于上述的分析,本发明旨在提供一种加密MANET中用户类型的识别系统,用以解决现有用户类型识别系统需要大量的历史数据,识别速度较慢,且无法应用于加密MANET的问题。
本发明的目的主要是通过以下技术方案实现的:
提供一种加密MANET中用户类型的识别系统,包括:
加密MANET中用户类型的识别系统,包括:子网分选模块、节点区分模块、无线电定位装置、中继转发节点识别模块、业务类型识别模块、包含率计算单元、用户类型识别模块;
其中,
子网分选模块用于对MANET网络中的子网进行分选;
节点区分模块,其根据子网分选结果和无线电定位装置的结果,对同一子网中不同的节点进行区分;进一步包括:信号接收模块、信号处理模块、信号分析模块和参数提取模块;
无线电定位装置,用于进行交会定位,具体采用复合角度定位方法或时间差定位方法;
中继转发节点识别模块,用于在上述网络节点已区分的基础上,对中继转发节点进行识别;具体地,采用端到端的流追踪方法进行信息流追踪,进而识别信息传输过程中的中继转发节点;
业务类型识别模块,其基于流量测量进行加密MANET业务类型识别;
包含率计算单元,用于求取待测用户频繁序列集对特征序列集的包含率;
用户类型识别模块,其根据包含率确定用户的类型。
所述业务类型识别模块中的识别步骤进一步包括:
首先对节点数据进行处理,生成多跳信号序列,针对生成的多跳信号序列使用LPVG建网,进而求取所有网络节点聚集系数的均值;
根据求取的节点聚集系数均值使用业务类型的识别规则对加密MANET中传输信息的业务类型进行识别。
所述包含率计算单元中的计算步骤为:
构造用户序列;针对用户序列进行序列转换生成符号序列;使用特定的字符对分组进行表示完成序列转换;针对符号序列挖掘单个用户的频繁序列集;针对多个用户的频繁序列集求取不同类型用户的公共频繁序列集;求取待测用户频繁序列集对特征序列集的包含率。其中,使用AprioriAll算法挖掘其中的频度大于阈值的频繁序列,将频繁序列构造频繁序列集合;通过设定频繁度的阈值求取不同类型用户的公共频繁序列集。
所述用户类型识别模块的识别步骤包括:通信双方x和y频繁序列集对主要用户特征序列集的包含率为IRx和IRy,如果IRx>IRy则将x判定为主要用户,用户y判定为从属用户,否则将x判定为从属用户,用户y判定为主要用户。
本发明有益效果如下:提供了一种加密MANET中的用户类型识别系统,对用户类型识别的准确率高,且无需大量历史数据,提高了识别速度。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分的从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为针对加密MANET的用户类型识别的系统示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理。
本发明具体实施例公开了一种加密MANET中用户类型的识别系统,包括:子网分选模块、节点区分模块、无线电定位装置、中继转发节点识别模块、业务类型识别模块、包含率计算单元、用户类型识别模块。
其中,子网分选模块,用于对MANET网络中的子网进行分选,进一步包括信号接收模块、信号处理模块、信号分析模块和参数提取模块。
具体地,信号接收模块具体使用宽带接收机对工作频段内信号进行接收;由信号处理模块对接收到的信号进行信号检测和预处理,剔除其中的无用信号,如噪声等;采用信号分析模块获取信号调频速率、调制方式等参数;通过参数提取模块,进行综合和分选,进而对子网进行区分。
上述子网分选的具体方式是:
通过信号分析针对同步正交网络和异步网络采取不同的方法实现子网的划分;
对于同步正交网络而言,在全网同步过程中不同子网采用同步频率存在差异,而同一子网内部采用的同步频率却存在很强的关联性,通过瞬态响应法完成(对每个跳频周期瞬态响应的离散小波系数进行去噪)对子网的分选。
对于异步网络而言,组网后同一个网络的跳频周期是相同的,所以可以根据跳周期的不同使用K-means算法进行聚类进而完成不同网络的区分。
无线电定位装置,可以采用复合角度定位方法或时间差定位方法;其中,复合角度定位方法基于无线电测向工作,通过多个无线电监测站点对同一个信号进行测向,利用测向射线(角度)的交会进行定位;时间差定位方法则基于信号达到监测站的时间,通过时间距离换算进行交会定位。
节点区分模块,其根据子网分选结果和无线电定位装置的结果,对同一子网中不同的节点进行区分。
中继转发节点识别模块,用于在上述网络节点已区分的基础上,对中继转发节点进行识别。
具体地,由于MANET中数据帧和响应帧之间具有较为明显的时间接续关系,接收方在收到发给自己的数据后会尽快发出确认或者响应帧,因此利用帧接续在时间上形成的关联关系对通信双方实现判定。且由于在MANET中信息传输的时延和可经过的最大跳数均有一定的限制,存在特定的阈值;根据端到端的流追踪技术实现信息流追踪,实现对信息传输过程中的中继转发节点的识别。
业务类型识别模块,其基于流量测量进行加密MANET业务类型识别;具体地,包括以下子步骤:
a.首先对节点数据进行处理,生成多跳信号序列,针对生成的多跳信号序列使用LPVG建网,进而求取所有网络节点聚集系数的均值。
b.根据求取的节点聚集系数均值使用业务类型的识别规则对加密MANET中传输信息的业务类型进行识别。具体业务信息的识别规则如表1所示。
业务类型 | 判断阈值1 | 判断阈值2 |
业务类型1 | N/A | (0.8011,0.8601) |
业务类型3 | >0.8325 | <0.8011 |
业务类型2 | N/A | >0.8601 |
表1业务识别规则
包含率计算单元,用于求取待测用户频繁序列集对特征序列集的包含率。计算步骤具体包括:
a.构造用户(UBT,Bus_T)序列。
基于已识别中继转发节点的前提下,仅考虑通信双方,则用户行为类型中只剩下发送和接收。每一条事务数据包括四个属性:对象ID,用户行为,业务类型,发送或者接收时刻,在数据处理过程中首先提取同一ID的所有数据,按照时间先后顺序进行排列,由于在实际分析过程中仅考虑相关信息时序上的先后问题,不考虑具体时间,所以在相关事务数据排好序后将时间属性去除。针对用户在一定时间内的数据,在去除对象ID和时间属性的情况下,构造用户行为类型(UBT)和业务类型(Bus_T)组成的分组序列。
b.针对用户(UBT,Bus_T)序列进行序列转换生成符号序列;
使用特定的字符对分组进行表示完成序列转换,转换规则如下所示: 对于回执
c.针对符号序列挖掘单个用户的频繁序列集。
针对符号序列使用AprioriAll算法挖掘其中的频度大于一定阈值的频繁序列,将频繁序列构造频繁序列集合。例如在挖掘过程中如果设定出现10次即认定该序列为频繁序列(阈值取10),那么在挖掘过程中如果序列出现频度大于10次即认定该序列为频繁序列,进而将挖掘出的单个用户的频繁序列构造频繁序列集合。
d.针对多个用户的频繁序列集求取不同类型用户的公共频繁序列集。
其中,针对相同类型多个用户的频发序列集进行挖掘,设定频繁度的阈值(阈值可以取10),求取在多个用户中均出现且次数大于阈值的序列,进而将挖掘出的频繁序列构造不同类型用户对应的公共频繁序列集,即特征序列集(Feature Sequence Set,FSS)。
e.求取待测用户频繁序列集对特征序列集的包含率。
求取特征序列集中序列在用户频繁序列集中包含率IR,其中numIR为D1中序列与D2中序列相等的数量,num为D1中序列总数。
用户类型识别模块,其针对待测用户对特定类型用户特征序列集的包含率确定用户的类型。
在用户类型判断过程中计算通信双方x和y频繁序列集对主要用户特征序列集的包含率IRx和IRy,如果IRx>IRy则将x判定为主要用户,用户y判定为从属用户,否则将x判定为从属用户,用户y判定为主要用户。
本发明所述加密MANET中用户类型的识别方法的技术效果通过使用EXata软件搭建仿真环境进行实验的方法进行验证:在信息业务类型识别准确的前提下,对用户类型识别的准确率达到90%。
综上所述,本发明实施例提供了一种加密MANET中用户类型的识别系统,对用户类型识别的准确率高,无需大量历史数据,提高了识别速度。
本领域技术人员可以理解,实现上述实施例的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种加密MANET中的用户类型识别系统,其特征在于,包括:加密MANET中用户类型的识别系统,包括:子网分选模块、节点区分模块、无线电定位装置、中继转发节点识别模块、业务类型识别模块、包含率计算单元、用户类型识别模块;
其中,
子网分选模块用于对MANET网络中的子网进行分选;
节点区分模块,其根据子网分选结果和无线电定位装置的结果,对同一子网中不同的节点进行区分;
无线电定位装置,用于进行交会定位;
中继转发节点识别模块,用于在上述网络节点已区分的基础上,对中继转发节点进行识别;所述中继转发节点识别模块采用端到端的流追踪方法进行信息流追踪,进而识别信息传输过程中的中继转发节点;
业务类型识别模块,其基于流量测量进行加密MANET业务类型识别;所述业务类型识别模块中识别步骤包括:
首先对节点数据进行处理,生成多跳信号序列,针对生成的多跳信号序列使用LPVG建网,进而求取所有网络节点聚集系数的均值;
根据求取的节点聚集系数均值使用业务类型的识别规则对加密MANET中传输信息的业务类型进行识别;
包含率计算单元,用于求取待测用户频繁序列集对特征序列集的包含率;所述包含率计算单元中的计算步骤为:
构造用户序列;针对用户序列进行序列转换生成符号序列;使用特定的字符对分组进行表示完成序列转换;针对符号序列挖掘单个用户的频繁序列集;针对多个用户的频繁序列集求取不同类型用户的公共频繁序列集;求取待测用户频繁序列集对特征序列集的包含率;
用户类型识别模块,其根据包含率确定用户的类型;所述用户类型识别模块的识别步骤包括:通信双方x和y频繁序列集对主要用户特征序列集的包含率为IRx和IRy,如果IRx>IRy则将x判定为主要用户,用户y判定为从属用户,否则将x判定为从属用户,用户y判定为主要用户。
2.根据权利要求1所述的用户类型识别系统,其特征在于,所述子网分选模块进一步包括:信号接收模块、信号处理模块、信号分析模块和参数提取模块。
3.根据权利要求1所述的用户类型识别系统,其特征在于,所述无线电定位装置采用复合角度定位方法或时间差定位方法。
4.根据权利要求1所述的用户类型识别系统,其特征在于,所述针对符号序列挖掘单个用户的频繁序列集,具体包括:使用AprioriAll算法挖掘频度大于阈值的频繁序列,将频繁序列构造频繁序列集合。
5.根据权利要求1所述的用户类型识别系统,其特征在于,所述求取不同类型用户的公共频繁序列集是通过设定频繁度的阈值实现的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610788636.6A CN106231625B (zh) | 2016-08-30 | 2016-08-30 | 一种加密manet中的用户类型识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610788636.6A CN106231625B (zh) | 2016-08-30 | 2016-08-30 | 一种加密manet中的用户类型识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106231625A CN106231625A (zh) | 2016-12-14 |
CN106231625B true CN106231625B (zh) | 2019-03-15 |
Family
ID=58074488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610788636.6A Expired - Fee Related CN106231625B (zh) | 2016-08-30 | 2016-08-30 | 一种加密manet中的用户类型识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106231625B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105554705A (zh) * | 2015-12-25 | 2016-05-04 | 湖北文理学院 | 一种基于路由和位置感知的ad hoc网络服务系统 |
CN105791459A (zh) * | 2016-03-01 | 2016-07-20 | 山东航天电子技术研究所 | 一种IP网络到AdHoc网络的业务映射方法 |
-
2016
- 2016-08-30 CN CN201610788636.6A patent/CN106231625B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105554705A (zh) * | 2015-12-25 | 2016-05-04 | 湖北文理学院 | 一种基于路由和位置感知的ad hoc网络服务系统 |
CN105791459A (zh) * | 2016-03-01 | 2016-07-20 | 山东航天电子技术研究所 | 一种IP网络到AdHoc网络的业务映射方法 |
Non-Patent Citations (2)
Title |
---|
基于信任管理的普适社交网络中的不期望内容控制系统的设计和实现;马思玄;《中国优秀硕士学位论文全文数据库(电子期刊)》;20160504;全文 |
基于改进BERS算法的移动自组织网络能耗及时延优化;宋国平;《东北师大学报(自然科学版)》;20160419;全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106231625A (zh) | 2016-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103795612B (zh) | 即时通讯中的垃圾和违法信息检测方法 | |
CN110519298A (zh) | 一种基于机器学习的Tor流量识别方法及装置 | |
WO2001090920A2 (en) | Geographical comparison system and method | |
CN104281665B (zh) | 一种用于确定评论的有效性的方法与装置 | |
CN102299863B (zh) | 一种网络流量聚类的方法及其设备 | |
Banerjee et al. | Fault tolerant multiple event detection in a wireless sensor network | |
Xu et al. | Self-adapting multi-fingerprints joint indoor positioning algorithm in WLAN based on database of AP ID | |
CN102348171B (zh) | 消息处理方法及其系统 | |
CN110049549A (zh) | 基于WiFi指纹的多融合室内定位方法及其系统 | |
Peng et al. | A privacy-preserving data aggregation of mobile crowdsensing based on local differential privacy | |
CN106572057A (zh) | 检测用户登录异常信息的方法和装置 | |
CN113688252A (zh) | 基于多特征协同知识图谱和区块链的安全跨域推荐方法 | |
Liu et al. | Data mining intrusion detection in vehicular ad hoc network | |
CN105530609A (zh) | 基于Wi-Fi指纹的高效隐私保护的室内定位方法 | |
CN101483935A (zh) | 无线自组织网络的拓扑绘制算法 | |
CN105812280B (zh) | 一种分类方法及电子设备 | |
CN106376020B (zh) | 一种加密manet中用户类型的识别方法 | |
CN106231625B (zh) | 一种加密manet中的用户类型识别系统 | |
CN109858510A (zh) | 一种针对HTTP协议ETag值隐蔽通信的检测方法 | |
CN107124410A (zh) | 基于机器深度学习的网络安全态势特征聚类方法 | |
Poltavtseva et al. | High-performance NIDS architecture for enterprise networking | |
CN108111968B (zh) | 一种基于泛化的位置隐私保护方法 | |
CN115866615A (zh) | 一种基于电磁频谱特征的无线网络通联关系发现方法 | |
Krishnan et al. | Detection of communities in dynamic social networks | |
CN104679916A (zh) | 一种无线传感网络用数据记录方法及伺服系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190315 Termination date: 20210830 |