[發明專利]基于Meek傳輸插件的自適應混淆方法、系統及計算機存儲介質

有效

• 申請號: 202010751908.1
• 申請日: 2020-07-30
• 公開（公告）號: CN111953670B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 王良民;謝皓曜;殷尚男;黃龍霞;趙蕙;馮麗;陳向益
• 申請（專利權）人: 江蘇大學
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06K9/62
• 代理公司: 南京華恒專利代理事務所(普通合伙) 32335
• 代理人: 宋方園

1.一種基于Meek傳輸插件的自適應混淆方法，其特征在于：依次包括以下步驟：

(1)、使用流量采集器在用戶端流量發送端口攔截用戶行為產生的n種用戶行為流量，所述用戶行為流量包括基于Meek插件的Tor流量，然后分別收集n種用戶行為流量各自的前m個數據包集合；

(2)、將步驟(1)所得數據包集合輸入至包特征提取工具，使用包特征提取工具提取用戶行為流量的數據包特征及對應的概率分布；

(3)、針對步驟(1)所提取的用戶行為流量進行目標流量選擇：采用流特征提取工具提取流特征向量，并對流特征向量進行標準化處理并進行PCA降維，然后通過K-means聚類算法，從全部用戶行為流量中獲得用以混淆Meek流量的初始目標流量集合L；

(4)、通過模擬混淆器內置的最優目標流量選擇法分析選出初始目標流量集合L中基于數據包特征層面的最優目標流量，并采用非線性規劃方法在不同的混淆模式下進行模擬混淆，生成基于不同模式與數據包特征的變形實施表，然后通過分類器評估獲得最優變形策略以及對應的變形實施表；

(5)、針對步驟(3)所獲得的最優變形策略和變形實施表，將后續緩存的Meek流量進行實際變形，并將混淆成功后的Meek流量通過網絡轉發設備發送至云服務器，轉發后到達Tor網橋實現Tor匿名傳輸；

(6)、重復步驟(1)至步驟(3)，根據系統自動更新最優目標流量，實現動態混淆，模糊變形模式；同時，重復步驟(4)至步驟(5)，提高Meek流量不可觀測性以及保持變形的低開銷且維持通信效率。

2.根據權利要求1所述的基于Meek傳輸插件的自適應混淆方法，其特征在于：所述步驟(2)中數據包特征提取時，提取范圍覆蓋步驟(1)提取的所有用戶行為流量的完整流量序列，數據包特征提取數據包大小PS、數據包間隔時間IPT和數據包方向PD，并提取數據包大小PS和數據包間隔時間IPT對應的概率分布。

3.根據權利要求1所述的基于Meek傳輸插件的自適應混淆方法，其特征在于：所述步驟(3)中流特征提取時，TCP流以相同的源與目標套接字劃分，UDP流則以超時300秒劃分，每條流提取28維流特征向量；然后通過肘部法則獲得K值，再進行K-means聚類，統計Meek流量特征向量比重最大的聚類中心，并分析其余非Meek流量特征向量在該聚類中心范圍內的比重，獲得與Meek流量模式相似的流量集合，為初始目標流量集合L；

其中，流特征向量包括28維與數據包特征較強關聯的流特征，作為K-mean聚類算法的輸入參數。

4.根據權利要求1所述的基于Meek傳輸插件的自適應混淆方法，其特征在于：所述步驟(4)中使用包特征提取工具提取初始目標流量集合L的數據包特征及對應的概率分布，將提取到的數據包特征輸入至最優目標流量選擇法，計算初始目標流量集合L中的流量與Meek流量的相似度，獲得最優目標流量；將其數據包特征及對應的概率分布結合限定的三個約束條件來計算非線性規劃的目標函數f(T)，最小化不同混淆模式下的變形策略t_ji，進而生成基于不同模式與數據包特征的變形實施表，并通過訓練好的分類器識別混淆結果，分析對于不同變形策略的識別結果以及產生的開銷，并將最優策略生成的變形實施表；

其中，i、j分別表示輸入的Meek流量與目標流量的數據包特征序列；

X＝(x₁，x₂，...，x_n)^T、Y＝(y₁，y₂，...，y_n)^T分別表示i、j對應的概率分布；

三個約束條件依次為：

目標函數為：

x_i為Meek流量的數據包特征i對應的出現概率；t_ji為Meek流量數據包特征i變為最優目標流量數據包特征j的概率；

上述目標函數中定義兩部分度量標準，分別為混淆開銷與混淆前后流量不可觀測性，并給出兩部分度量標準的超參數α，β∈[0，1]，其中超參數取值為小數點后一位，其中當α＞β時為低開銷模式，反之為高匿名模式，通過系統自適應或用戶需求設定，遍歷超參數，得到對應的變形策略。