[發明專利]一種基于家庭無線攝像頭加密流量的用戶行為推測方法

在審

• 申請號: 202010320385.5
• 申請日: 2020-04-21
• 公開（公告）號: CN111556290A
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 冀曉宇;徐文淵;程雨詩;楊家輝;姚一楊;王濱
• 申請（專利權）人: 浙江大學
• 主分類號: H04N7/18
• 分類號: H04N7/18;G06K9/62
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 萬尾甜;韓介梅

1.一種基于家庭無線攝像頭加密流量的用戶行為推測方法，其特征在于，該方法包括以下步驟：

1)將智能設備的無線網卡設置為監聽模式(Monitor Mode)，在目標家庭附近對目標家庭無線流量進行采集；

2)對智能設備采集到的家庭無線流量數據進行無線攝像頭流量檢測分析，從而分離出無線攝像頭流量；

3)對分離到的無線攝像頭流量進行用戶行為分析，從而推測用戶行為。

2.根據權利要求1所述的基于家庭無線攝像頭加密流量的用戶行為推測方法，其特征在于，所述的無線攝像頭流量檢測分析包括以下步驟：

(1)分析家庭無線流量數據包的發送端MAC地址和接收端MAC地址，建立MAC地址對{發送端MAC地址，接收端MAC地址}，作為數據包的身份標識，將具有相同MAC地址對的數據包視為來源于同一數據流f，建立數據流集合F＝{f₁,f₂,…f_n}；

(2)對于數據流集合中的每一個數據流f，計算其最大包長占比l，流量占比和持續時間標準差d，建立特征向量V＝{l,v,d}，其中，最大包長占比l為該數據流中，具有數據包長度最大值的數據包占總數據包數量的比值；流量占比v為該數據流數據包長度總和占所有數據流數據包長度總和的比值；持續時間標準差d為該數據流所有數據包包頭Duration位數值的標準差；

(3)將每個數據流的特征向量輸入預訓練好的無線攝像頭數據流檢測分類器中，檢測其是否輸出無線攝像頭數據流，若是，分離出該數據流進行后續分析。

3.根據權利要求2所述的基于家庭無線攝像頭加密流量的用戶行為推測方法，其特征在于，所述的預訓練好的無線攝像頭數據流檢測分類器可為基于Random Forest的二分類器，以從無線攝像頭數據流中提取的特征向量為正樣本，從非無線攝像頭數據流中提取的特征向量為負樣本，進行預訓練。

4.根據權利要求1所述的基于家庭無線攝像頭加密流量的用戶行為推測方法，其特征在于，所述的用戶行為分析包括以下步驟：

(1)分析無線攝像頭數據流，提取無線攝像頭數據流中每個數據包的時間戳和數據包長度，計算無線攝像頭數據流比特率b，形成比特率序列B＝{b_1,b_2,…b_n}，其中，無線攝像頭數據流比特率b為某一時間段內無線攝像頭數據包長度的總和，時間段長度設為0.1秒；

(2)將無線攝像頭數據流比特率序列輸入預訓練好的用戶家庭狀態預測分類器中，推測用戶是否在家，推測的用戶家庭狀態類別包括：(1)家中有人，和(2)家中無人；

(3)若用戶家庭狀態預測結果為家中有人，將無線攝像頭數據流比特率序列進一步輸入預訓練好的用戶行為推測分類器中，推測用戶行為，推測的用戶行為類別包括：(1)低強度行為，(2)中強度行為，和(3)高強度行為。

5.根據權利要求4所述的基于家庭無線攝像頭加密流量的用戶行為推測方法，其特征在于，所述的預訓練好的用戶家庭狀態預測分類器可為基于ExtraTrees的二分類器，以家中有人時無線攝像頭數據流中提取的比特率序列為正樣本，從家中無人時無線攝像頭數據流中提取的比特率序列為負樣本，進行預訓練。

6.根據權利要求4所述的基于家庭無線攝像頭加密流量的用戶行為推測方法，其特征在于，所述的預訓練好的用戶家庭狀態預測分類器可為基于長短期記憶(Long Short-timeMemory)神經網絡的三分類器，以家中用戶進行低強度行為時無線攝像頭數據流中提取的比特率序列為類別(1)的訓練樣本，家中用戶進行中強度行為時無線攝像頭數據流中提取的比特率序列為類別(2)的訓練樣本，家中用戶進行高強度行為時無線攝像頭數據流中提取的比特率序列為類別(3)的訓練樣本進行預訓練。

7.根據權利要求6所述的基于家庭無線攝像頭加密流量的用戶行為推測方法，其特征在于，所述的低強度行為包括靜坐、睡覺、閱讀；所述的中強度行為包括走路、打掃；所述的高強度行為包括跑跳。