基于数据随机性特征和极速学习机的加密数据流识别

摘要：

为了在不解密加密数据的前提下获取加密数据流的类型信息,提出一种基于数据随机性特征和模式识别的加密数据流识别方法.该方法利用加密数据与非加密数据,或者不同类型加密数据0,1分布的随机性特性作为分类特征,再利用模式识别方法对不同数据进行建模,从而实现对不同类型数据的自动识别.首先利用NIST随机性测试方法对数据流进行分析,将得到的15类随机性测试得分作为分类特征;然后对不同类型的数据流分别建立分类模型;最后利用训练好的数据模型对未知数据流进行识别.仿真实验显示,与仅用单个随机性特征进行明密数据识别相比,采用模式识别方法可以将错分率由原来的60％以上下降到30％左右;进一步利用滤波器方法对15类随机性特征进行优化降维,平均错分率进一步下降到15％左右.

关键词：加密数据、数据随机性、模式识别、极速学习机

所属期刊栏目：44

分类号：O235(控制论、信息论（数学理论）)

资助基金：中国博士后科学基金第八批特别资助项目2015T81081;第54批中国博士后面上项目一等资助2013M542425;江苏省自然科学基金青年基金面上资助项目BK20140075;江苏省博士后科研资助计划项目1401001A

在线出版日期：2017-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：380-384