面向网络侦察欺骗的差分隐私指纹混淆机制

网络指纹探测作为一种重要的网络侦察手段,可以被攻击者用于获取目标网络的指纹特征,进而为后续开展有针对性的攻击行动提供支持。指纹混淆技术通过主动修改响应分组中的指纹特征,能够让攻击者形成虚假的指纹视图,但现有的混淆方法在应对攻击者策略性探测分析方面仍存在不足。为此,提出了一种面向网络侦察欺骗的差分隐私指纹混淆机制(Differential Privacy based Obfuscation of Fingerprinting, DPOF)。DPOF参考数据隐私保护的思想,首先建立了效用驱动的差分隐私指纹混淆模型,通过差分隐私指数机制计算不同效用虚假指纹的混淆概率,在此基础上进一步设计了资源约束下的指纹混淆决策方法,并实现了基于粒子群优化的混淆策略求解算法。仿真实验结果表明,相比现有的典型指纹混淆方法,DPOF在不同问题规模和预算情况下均具有更优的指纹混淆效果,且能够以更快的速度获得更好的近似最优策略。     

基于改进BP神经网络的指纹自动分类器

指纹分类技术是指纹数据库的一个重要索引机制.本文提出了一种新型BP网络指纹分类算法.对采集到的指纹图像进行归一化处理,计算出方向图,然后利用Poincare索引值在指纹方向图上寻找出指纹奇异点,并将其送入到改进的三层BP神经网络进行分类,克服了单纯BP算法易陷入局部极值的缺点,提高了网络全局收敛效率.采用该算法对1382枚指纹进行分类,准确率高达95.7%,达到了良好的指纹分类效果.     

危险品运输领域网络化指纹认证系统

该系统是对基于网络的指纹认证系统的研究和开发,主要应用于危险品运输领域,对危险品运输人员进行基于网络的指纹识别认证。整个系统采用C/S(客户/服务器)架构,服务器端采用SQLSERVER数据库系统,客户端应用程序在MSVB60集成环境下开发完成,指纹采集设备选用UareU2000指纹采集仪,指纹的识别算法及功能集成在ActiveX控件模块内。系统的开发采用了多项先进技术,涉及到指纹图像处理与识别技术、远程数据访问技术、ActiveX技术及大型数据库的开发。     

一种抗多径和阴影的视距指纹定位算法

针对指纹定位算法在实际应用中普遍面临的由人身遮挡造成的多径和阴影干扰问题,通过实验深入分析人身遮挡对指纹算法中信号强度变化的影响,发现利用视距指纹代替原始指纹可以彻底避免阴影的出现,同时也能有效减少多径的影响,在此基础上提出了一种双定位节点的视距指纹定位算法(LoSF).针对视距指纹中存在的异常,LoSF算法还设计了相应的误差处理算法排除视距指纹中的误差数据.通过与现有算法的比较,LoSF算法性能达到了中位数误差2m的精确度,远高于基于原始指纹的RADAR算法所得到的6m精度,也要比带有朝向指纹的COMPASS算法获得的4.2m精度提高一倍之多.     

基于改进BP神经网络的指纹自动分类器

指纹分类技术是指纹数据库的一个重要索引机制。本文提出了一种新型BP网络指纹分类算法。对采集到的指纹图像进行归一化处理,计算出方向图,然后利用Poincare索引值在指纹方向图上寻找出指纹奇异点,并将其送入到改进的三层BP神经网络进行分类,克服了单纯BP算法易陷入局部极值的缺点,提高了网络全局收敛效率。采用该算法对1382枚指纹进行分类,准确率高达95.7%,达到了良好的指纹分类效果。     

基于Zigbee室内定位系统的指纹库优化算法

Zigbee无线传感器网络的接收信号强度指示(RSSI)可以用来提供位置服务,使用RSSI建立指纹数据库设计定位算法能够得到良好的定位效果,但指纹数据库的采集和建立精度会直接影响到最终的定位精度,而一般方法建立的指纹数据库误差较大。为此,通过对Zigbee网络指纹数据库采集和建立过程进行研究,提出一种Zigbee网络中指纹数据库采集、建立及优化的算法。在定位区域将各采样点采集到的指纹数据库源数据进行滤波处理,建立高精度的指纹数据库。利用Zigbee平台组建无线网络进行实验,分别使用针对该定位系统提出的限定区域最邻近算法、限定区域加权最邻近算法、限定区域贝叶斯算法进行定位计算。实验结果表明,运用优化后的指纹数据库在短距离范围内定位平均误差可限制在1.5 m以内。     

SaaS云环境下基于容器指纹匿名的网络欺骗方法

随着云计算技术在各重点行业领域的普及推广和企业级SaaS业务规模不断扩大,云环境的安全问题也日益突出。针对目标云资源的定位是网络攻击的前置步骤,网络欺骗技术能够有效扰乱攻击者网络嗅探获得的信息,隐藏重要网络资产的指纹信息(服务端口、操作系统类型等)。然而由于虚假指纹和真实设备之间往往存在对应关系,高级攻击者可以通过多维信息定位到伪装过的目标设备。基于容器指纹匿名的欺骗方法的原理是试图将重要的敏感业务隐藏到大量普通的非敏感业务中,利用多种欺骗技术的组合来对抗网络侦察。批量处理的匿名算法会损失云服务快速便捷的特性,云服务需要采用一种实时强的连续匿名方法。为应对重要云资源被定位追踪的问题,本文提出一种基于容器指纹匿名的网络欺骗方法,通过修改云资源池中容器的指纹满足匿名化标准,制造虚假的云资源视图,提高攻击者网络侦查与嗅探的难度。为降低容器指纹修改的开销和可能导致服务延时,提出一种基于语义等级的范畴属性度量方法,并作为容器指纹匿名算法的优化目标。鉴于需要修改伪装的容器指纹信息是一个持续产生的数据流,为实现容器指纹的实时在线快速匿名,提出一种基于数据流匿名的动态指纹欺骗算法CFDAA,通过时延控...     

针对深度神经网络模型指纹检测的逃避算法

随着深度神经网络在不同领域的成功应用,模型的知识产权保护成为了一个备受关注的问题.由于深度神经网络的训练需要大量计算资源、人力成本和时间成本,攻击者通过窃取目标模型参数,可低成本地构建本地替代模型.为保护模型所有者的知识产权,最近提出的模型指纹比对方法,利用模型决策边界附近的指纹样本及其指纹查验模型是否被窃取,具有不影响模型自身性能的优点.针对这类基于模型指纹的保护策略,提出了一种逃避算法,可以成功绕开这类保护策略,揭示了模型指纹保护的脆弱性.该逃避算法的核心是设计了一个指纹样本检测器——Fingerprint-GAN.利用生成对抗网络(generative adversarial network,GAN)原理,学习正常样本在隐空间的特征表示及其分布,根据指纹样本与正常样本在隐空间中特征表示的差异性,检测到指纹样本,并向目标模型所有者返回有别于预测的标签,使模型所有者的指纹比对方法失效.最后通过CIFAR-10,CIFAR-100数据集评估了逃避算法的性能,实验结果表明:算法对指纹样本的检测率分别可达95%和94%,而模型所有者的指纹比对成功率最高仅为19%,证明了模型指纹比对保护方法的不可靠性.     

基于PCA网络的协同指纹识别

指纹识别是生物特征识别技术中的热点.指纹特征可分为全局特征与细节特征,现有主流指纹识别方法是基于细节特征的识别,但是指纹全局特征识别具有明显的优势,更加符合人类识别机理.本文尝试采用PCA网络提取指纹的全局特征--主分量特征,理论分析与实验说明了指纹主分量特征是有效的,鲁棒性较好.在识别方法上,采用协同模式识别方法,该方法注重模式的整体信息,并将其与PCA网络特征提取层有机的结合.对FVC2002指纹库的实验表明,本文的指纹全局特征识别方法预处理与特征提取简单,识别速度快,鲁棒性较好,取得了良好的指纹识别与身份认证效果.     

网络指纹考勤管理系统的设计与实现

提出了一种基于网络环境的指纹考勤系统的设计与实现方案。该系统可实现多办公地点分布式指纹考勤,实时上传考勤签到数据,自动生成考勤记录,及时反馈员工在岗状况和考勤结果,并支持和其他管理信息系统的集成。