CN112270506A - 一种基于设备超限脆弱性的超限信息获取方法 - Google Patents

一种基于设备超限脆弱性的超限信息获取方法 Download PDF

Info

Publication number
CN112270506A
CN112270506A CN202011313724.3A CN202011313724A CN112270506A CN 112270506 A CN112270506 A CN 112270506A CN 202011313724 A CN202011313724 A CN 202011313724A CN 112270506 A CN112270506 A CN 112270506A
Authority
CN
China
Prior art keywords
information
overrun
output
function
filtering
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.)
Granted
Application number
CN202011313724.3A
Other languages
English (en)
Other versions
CN112270506B (zh
Inventor
徐文渊
冀晓宇
郭世泽
张月鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202011313724.3A priority Critical patent/CN112270506B/zh
Publication of CN112270506A publication Critical patent/CN112270506A/zh
Application granted granted Critical
Publication of CN112270506B publication Critical patent/CN112270506B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063114—Status monitoring or status determination for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于设备超限脆弱性的超限信息获取方法，该方法是利用物联网的超限脆弱性建立超限信息与超限功能输出之间的映射关系模型，并由超限功能的测量值逆推超限输入信息。以物联网中的非麦克风设备，即物联网中所有不具备内置麦克风的设备的集合可以采用本发明的方法获取其超限信息即语音信息；本发明方法的提出对于物联网技术的研究和发展具有重要的意义。

Description

一种基于设备超限脆弱性的超限信息获取方法
技术领域
本发明属于信息安全领域，涉及一种超限脆弱性的利用和实施方法，尤其涉及一种基于设备超限脆弱性的超限信息获取方法。
背景技术
物联网系统指由硬件、软件、网络和通讯设备、业务(应用)和用户组成的人机一体化物联系统。随着处理器、移动通讯技术的迅速发展，各式各样的物联网系统已经渗透到了我们的日常生活中，成为全球亿万用户日常生活不可或缺的一部分，同时，物联网系统的安全性也愈加重要。然而，在场景多样化、业务复杂化的需求下，终端设备的数量、种类和架构的多样性也达到了前所未有的量级，利用终端设备功能外脆弱性的威胁也日益增多，如跨域脆弱性、旁路脆弱性、超限脆弱性、限门脆弱性等。其中，超限脆弱性指信息超出系统正常功能域的处理能力所形成的脆弱性。
本发明针对物联网系统中存在的超限脆弱性，提出了一种利用超限脆弱性功能进行超限信息获取的方法。
发明内容
本发明的目的在于针对现有技术的不足，提出一种基于设备超限脆弱性的超限信息获取方法，该方法可以利用物联网设备的超限脆弱性来获取超限信息。
本发明采用的技术方案是：
对于已经探明的物联网系统中存在的超限脆弱性，首先建立其所在业务的正常功能域模型和超限功能域模型，然后将两个模型进行比对，判断超限功能域中是否有可以获取指定超限信息的功能，若有则针对此功能实施本发明的方法。该过程中可形式化描述如下：
定义1.1：f为物联网系统
Figure BDA0002790657740000011
的一个功能，物联网系统的正常功能域为物联网系统设计时所要实现的所有功能的集合，表示为
Figure BDA0002790657740000012
物联网系统的超限功能域为物联网系统实现已探明的超限功能的集合，表示为
Figure BDA0002790657740000013
对于物联网系统
Figure BDA0002790657740000014
若
Figure BDA0002790657740000015
则称物联网系统
Figure BDA00027906577400000111
具有超限脆弱性。目标功能域为能辅助获取超限信息的功能的集合，表示为
Figure BDA0002790657740000016
目标功能为被选定用来获取超限信息的功能，表示为f′，且有
Figure BDA0002790657740000017
定义1.2：正常信息域为正常功能域
Figure BDA0002790657740000018
涉及的信息域的集合，表示为I0。超限信息域为超限功能域
Figure BDA0002790657740000019
涉及，且正常功能域
Figure BDA00027906577400000110
不涉及的信息域的集合，表示为I1。对于任意的i∈I1，称i为超限信息。若意图获取的信息x属于超限信息域，即x∈I1，则可利用物联网系统
Figure BDA0002790657740000024
的超限脆弱性获取超限信息x。
本发明的一种基于设备超限脆弱性的超限信息获取方法，包括如下步骤：
步骤1.1：基于定义1.1和定义1.2，功能f′对意图获取的超限信息x具有捕获能力，即功能f′的输出y′与超限输入信息x之间存在映射关系。为探明此映射关系，在可达到的最大输入范围内对x进行细粒度扫描输入，测量对应的输出y′，从而建立其输入和输出之间的带噪声映射关系模型y′＝f′(x,n)。其中，x为实际输入向量，n为噪声向量，y′为实际输出向量，且y′受噪声影响较大。
步骤1.2：为获得期望的纯净输出向量y，对y′进行滤波。
具体可以包括以下步骤：
步骤1.2.1：对信号y′进行短时傅里叶变换，得到其频谱图，对于噪声信号分布频段与期望信号分布频段不同的情况，对y′进行低通、高通或带通滤波。
步骤1.2.2：对于可以获得纯噪声段频谱的情况，利用噪声段对y′进行谱减法滤波。
步骤1.2.3：对于噪声近似于白噪声的情况，对y′进行维纳滤波。
步骤1.2.4：对于以上情况出现两种或多种的复杂情况，对y′进行上述滤波方式的复合滤波。
步骤1.3：针对功能f′，利用步骤1.1和步骤1.2的结果，将超限输入x和输出y之间的带噪声映射关系模型y′＝f′(x,n)去噪处理后，得到输入x和输出y之间的映射关系模型(不含噪声)，表示为y＝g(x)。若g可逆，则有x＝g-1(y)。于是，可以基于功能f′的输出测量值，获取超限输入信息x。
通过实施步骤1.1～步骤1.3，可利用物联网的超限脆弱性建立超限信息与超限功能输出之间的映射关系模型，并由超限功能的测量值逆推超限输入信息。
进一步的，所述的设备可以为物联网中的非麦克风设备，为物联网所有不具备内置麦克风的设备的集合；所述的超限信息为语音信息；则所述步骤1.1具体包括：
步骤2.1：物联网系统的非麦克风设备，表示为D0，D0的功能域为所有属于D0中的设备所具有的功能的集合，表示为
Figure BDA0002790657740000021
录音功能域特指物联网系统中所有对声音输入s有线性、强响应输出向量y的功能的集合，表示为
Figure BDA0002790657740000022
步骤2.2：对于所有满足条件
Figure BDA0002790657740000023
的功能，选定目标功能，表示为f1；
步骤2.3：对于f1，构建常用字、词、句的语音语料库Q，对于si∈Q,i＝1,2,…,|Q|，测量功能f1的输出yi，表示为yi＝f1(si,n)；其中，si为期望获取的声音信息，n为噪声干扰信号，yi为实际输出信号；
步骤2.4：对yi进行滤波，得到纯净的输出信号
Figure BDA0002790657740000031
其中，步骤1.2.1中所述的期望信号为人类语音，首先对y进行50～300Hz的带通滤波，然后继续如步骤1.2.2～1.2.4所述进行复合滤波；
步骤2.5：建立语音语料库Q对应的输出信号库P，对于任意的
Figure BDA0002790657740000032
总存在si∈Q与之唯一对应。
更进一步的，对于新的输入信息，当利用目标功能f1获取输出信号y后，对y进行步骤2.4所述的复合滤波得到y′，求解使
Figure BDA0002790657740000033
取得最小值的i，则si即为输出信号y对应的语音信息。
本发明提出了一种利用物联网设备超限脆弱性，获取物联网系统中存在的超限信息的方法，对于物联网设备中已存在的超限脆弱性，可应用本方法通过该设备获取超限信息，这对于物联网技术的研究和发展具有重要意义。
具体实施方式
下面结合实例对本发明方法做进一步的说明。
以非麦克风设备为例，以使用物联网中的非麦克风设备获取语音信息这一实例来说明采用本发明方法对物联网系统超限脆弱性中超限信息获取的详细实施过程：
步骤2.1～步骤2.5为获取超限语音信息前需要事先实施的准备工作，主要目的为建立超限信息(即语音)和输出信号之间的映射关系模型。步骤2.6在步骤2.1～步骤2.5的基础上，阐明了基于上述映射关系模型获取语音信息的方法。
步骤2.1：物联网系统的非麦克风设备为物联网所有不具备内置麦克风的设备的集合，表示为D0。D0的功能域为所有属于D0中的设备所具有的功能的集合，表示为
Figure BDA0002790657740000034
录音功能域特指物联网系统中所有对声音输入s有线性、强响应输出向量y的功能的集合，表示为
Figure BDA0002790657740000035
步骤2.2：基于步骤2.1，对于所有满足条件
Figure BDA0002790657740000036
的功能，如机械硬盘中对硬盘磁头偏移量信息的反馈测量功能和打印机中对墨粉喷头的反馈控制功能等，综合考虑设备隐蔽性、噪声干扰源的数目、输入输出向量测量难度、输入输出映射关系建立难度、对超限语音信息的捕获能力等多重因素，选定最适宜的目标功能，表示为f1。
步骤2.3：对于f1，如步骤1.1所述，首先构建常用字、词、句的语音语料库Q，对于si∈Q,i＝1,2,…,|Q|，测量功能f1的输出yi，可表示为yi＝f1(si,n)。其中，si为期望获取的声音信息，n为噪声干扰信号，如环境噪声、设备运行噪声等，yi为实际输出信号，其受噪声影响较大。
步骤2.4：基于步骤1.2.1～1.2.4提到的基于频谱的滤波算法，对yi进行复合滤波，得到纯净的输出信号
Figure BDA0002790657740000041
其中，步骤1.2.1中期望信号为人类语音，一个成人的语音信息的频率主要分布在85～255Hz范围内，因此首先对y进行50～300Hz的带通滤波，然后继续如步骤1.2.2～1.2.4所述进行复合滤波。
步骤2.5：基于步骤2.3和步骤2.4，建立语音语料库Q对应的输出信号库P，且对于任意的
Figure BDA0002790657740000042
总存在si∈Q与之唯一对应。
步骤2.6：基于步骤2.1～步骤2.5建立的语音语料库Q和输出信号库P，当利用目标功能f1获取输出信号y后，对y进行步骤2.4所述的复合滤波得到y′，求解使
Figure BDA0002790657740000043
取得最小值的i，则si即为输出信号y对应的语音信息。

Claims (4)

1.一种基于设备超限脆弱性的超限信息获取方法，其特征在于，包括如下：对于已经探明的物联网系统中存在的超限脆弱性，当超限功能域中存在可以获取指定超限信息的功能，则按如下方法获取超限信息：
步骤1.1：获取功能与待获取的超限信息间的映射关系
功能f′对意图获取的超限信息具有捕获能力，即功能f′的输出y′与超限输入信息之间存在映射关系，为获得该映射关系，在可达到的最大输入范围内对x进行细粒度扫描输入，测量对应的输出y′，从而建立其输入和输出之间的带噪声映射关系模型y′＝f′(x，n)，其中，x为实际输入向量，n为噪声向量，y′为实际输出向量；
步骤1.2：为获得期望的纯净输出向量y，对y′进行滤波；
步骤1.3：针对功能f′，将输入x和输出y之间的带噪声映射关系模型y′＝f′(x，n)去噪处理后，得到输入x和输出y之间的不含噪声的映射关系模型，表示为y＝g(x)，若g可逆，则有x＝g-1(y)，于是，可以基于功能f′的输出测量值，获取超限输入信息x。
2.根据权利要求1所述的一种基于设备超限脆弱性的超限信息获取方法，其特征在于，所述步骤1.2具体包括以下步骤：
步骤1.2.1：对信号y′进行短时傅里叶变换，得到其频谱图，对于噪声信号分布频段与期望信号分布频段不同的情况，对y′进行低通、高通或带通滤波；
步骤1.2.2：对于可以获得纯噪声段频谱的情况，利用噪声段对y′进行谱减法滤波；
步骤1.2.3：对于噪声近似于白噪声的情况，对y′进行维纳滤波；
步骤1.2.4：在出现两种或多种复杂的上述情况时，对y′进行上述滤波方式的复合滤波。
3.根据权利要求1所述的一种基于设备超限脆弱性的超限信息获取方法，其特征在于，所述的设备为物联网中的非麦克风设备，即为物联网所有不具备内置麦克风的设备的集合；所述的超限信息为语音信息；则所述步骤1.1具体包括：
步骤2.1：物联网系统的非麦克风设备，表示为D0，D0的功能域为所有属于D0中的设备所具有的功能的集合，表示为
Figure FDA0002790657730000011
录音功能域特指物联网系统中所有对声音输入s有线性、强响应输出向量y的功能的集合，表示为
Figure FDA0002790657730000012
步骤2.2：对于所有满足条件
Figure FDA0002790657730000013
的功能，选定目标功能，表示为f1；
步骤2.3：对于f1，构建常用字、词、句的语音语料库Q，对于si∈Q，i＝1，2，...，|Q|，测量功能f1的输出yi，表示为yi＝f1(si，n)；其中，si为期望获取的声音信息，n为噪声干扰信号，yi为实际输出信号；
步骤2.4：对yi进行滤波，得到纯净的输出信号
Figure FDA0002790657730000021
其中，步骤1.2.1中所述的期望信号为人类语音，首先对y进行50～300Hz的带通滤波，然后继续如步骤1.2.2～1.2.4所述进行复合滤波；
步骤2.5：建立语音语料库Q对应的输出信号库P，对于任意的
Figure FDA0002790657730000022
总存在si∈Q与之唯一对应。
4.根据权利要求3所述的一种基于设备超限脆弱性的超限信息获取方法，其特征在于，对于新的输入信息，当利用目标功能f1获取输出信号y后，对y进行步骤2.4所述的复合滤波得到y′，求解使
Figure FDA0002790657730000023
取得最小值的i，则si即为输出信号y对应的语音信息。
CN202011313724.3A 2020-11-20 2020-11-20 一种基于设备超限脆弱性的超限信息获取方法 Active CN112270506B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011313724.3A CN112270506B (zh) 2020-11-20 2020-11-20 一种基于设备超限脆弱性的超限信息获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011313724.3A CN112270506B (zh) 2020-11-20 2020-11-20 一种基于设备超限脆弱性的超限信息获取方法

Publications (2)

Publication Number Publication Date
CN112270506A true CN112270506A (zh) 2021-01-26
CN112270506B CN112270506B (zh) 2022-08-26

Family

ID=74339574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011313724.3A Active CN112270506B (zh) 2020-11-20 2020-11-20 一种基于设备超限脆弱性的超限信息获取方法

Country Status (1)

Country Link
CN (1) CN112270506B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010035916A1 (en) * 2000-03-15 2001-11-01 Stessen Jeroen Hubert Christoffel Jacobus Video-apparatus with noise reduction
CN201364208Y (zh) * 2009-01-20 2009-12-16 鞍山市融庭科技开发有限公司 一种电气设备过热无线温度监测系统装置
CN109427328A (zh) * 2017-08-28 2019-03-05 中国科学院声学研究所 一种基于滤波网络声学模型的多通道语音识别方法
CN111565390A (zh) * 2020-07-16 2020-08-21 深圳市云盾科技有限公司 一种基于设备画像的物联网设备风险控制方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010035916A1 (en) * 2000-03-15 2001-11-01 Stessen Jeroen Hubert Christoffel Jacobus Video-apparatus with noise reduction
CN201364208Y (zh) * 2009-01-20 2009-12-16 鞍山市融庭科技开发有限公司 一种电气设备过热无线温度监测系统装置
CN109427328A (zh) * 2017-08-28 2019-03-05 中国科学院声学研究所 一种基于滤波网络声学模型的多通道语音识别方法
CN111565390A (zh) * 2020-07-16 2020-08-21 深圳市云盾科技有限公司 一种基于设备画像的物联网设备风险控制方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄秀彬 等: "基于LPCC的不同频率段语音智能识别方法研究", 《电子设计工程》 *

Also Published As

Publication number Publication date
CN112270506B (zh) 2022-08-26

Similar Documents

Publication Publication Date Title
Li et al. Two heads are better than one: A two-stage complex spectral mapping approach for monaural speech enhancement
JP6703525B2 (ja) 音源を強調するための方法及び機器
CN110706719B (zh) 一种语音提取方法、装置、电子设备及存储介质
KR20180115984A (ko) 심화신경망 기반의 잡음 및 에코의 통합 제거 방법 및 장치
KR20190026234A (ko) 비선형 특성을 갖는 오디오 필터를 이용하여 오디오 신호를 처리하는 방법 및 장치
KR20070004893A (ko) 적응성 빔 형성기, 사이드로브 소거기, 핸즈프리 음성 통신디바이스
CN104243732A (zh) 振动传感器在回声消除中的使用
KR20040044982A (ko) 선택적인 사운드 증강
WO2017152601A1 (zh) 一种麦克风确定方法和终端
KR20110035170A (ko) 음성인식을 위한 모델기반 왜곡 보상형 잡음 제거 장치 및 방법
WO2021068120A1 (zh) 一种融合骨振动传感器和麦克风信号的深度学习语音提取和降噪方法
CN112602150A (zh) 噪声估计方法、噪声估计装置、语音处理芯片以及电子设备
CN113744748A (zh) 一种网络模型的训练方法、回声消除方法及设备
Hosseini et al. Time difference of arrival estimation of sound source using cross correlation and modified maximum likelihood weighting function
CN112270506B (zh) 一种基于设备超限脆弱性的超限信息获取方法
Kulchandani et al. Blind source separation via independent component analysis: algorithms and applications
CN108074580B (zh) 一种噪声消除方法及装置
Liang et al. A joint echo cancellation algorithm for quick suppression of howls in hearing aids
Tiwari et al. A Review Paper on Adaptive Noise Cancellation Implementation using TMS320C6713 DSP Board
CN116013337B (zh) 音频信号处理方法、模型的训练方法、装置、设备和介质
CN113286047B (zh) 语音信号处理方法、装置及电子设备
WO2023240887A1 (zh) 去混响方法、装置、设备及存储介质
US20220293119A1 (en) Multistage low power, low latency, and real-time deep learning single microphone noise suppression
Ramesh Babu et al. Speech enhancement using beamforming and Kalman Filter for In-Car noisy environment
Favrot et al. Adaptive equalizer for acoustic feedback control

Legal Events

Date Code Title Description
PB01 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