基于CNN的FTP隐蔽信道检测模型

摘要

随着信息化进程的不断加快，人们的日常生活已经离不开网络，许多事情都可以通过网络完成。隐蔽信道通过对网络中的数据包进行特殊修改，可以在其中隐藏信息。由于其目的是隐藏通信的事实，而不是对信息进行加密，因此，系统安全软件很难发现这种信息泄露，使得隐蔽信道的检测较为困难。
　　文件传输协议(File Transfer Protocol，FTP)在互联网中被广泛用于文件传播。为了保持客户端对文件服务器的长连接，客户端会发送某些特定的FTP命令。利用这些命令来表达特定的含义，再结合其它命令可以很容易实现隐蔽信道。在文本情感分类方面效果良好的卷积神经网络(Convolutional Neural Network，CNN)可以模仿人脑的思维方式，通过对数据进行学习能得到良好的模型。基于此，本文提出基于CNN的FTP隐蔽信道检测模型。本文主要工作内容如下：
　　本文从隐蔽信道的定义出发，探究其产生的原因和一般模型。通过对隐蔽信道自身的构造机制进行分析，阐述了传统检测算法的弊端。FTP协议的命令序列经过人为修改后，可以用于泄露信息。本文对FTP命令进行编码，将其作为输入数据来训练CNN模型。为了使训练过程加速收敛和防止过拟合，采用了一系列的训练优化措施，并且初始参数的设定也能极大的缩短训练时间。为了充分利用FTP命令前后的相关性，本文设计的CNN模型的卷积层均使用宽卷积，池化层分别采用Chunk-Max Pooling和K-Max Pooling。
　　为了验证本文算法的可行性，本文构造了基于FTP目录编码的隐蔽信道。实验证明，与传统的支持向量机和朴素贝叶斯相比，基于CNN的模型精确度都更高，准确度和可靠性从小到大依次为朴素贝叶斯，支持向量机，基于Max Pooling Over Time的CNN，本文提出的CNN模型，从而充分说明了本文所提模型对FTP目录编码隐蔽信道检测的有效性。由于通过更改命令序列可以实现多种隐蔽信道，因此本文将该模型用于另外两种FTP隐蔽信道的训练和检测，实验结果表明该模型可以有效检测FTP隐蔽信道，充分说明该模型的高扩展性。

目录

声明

摘要

第1章绪论

1．1研究背景

1．2网络隐蔽信道简介

1．2．1网络隐蔽信道定义

1．2．2隐蔽信道产生原因

1．2．3隐蔽信道建模

1．3网络隐蔽信道分类

1．4网络隐蔽信道研究现状

1．4．1网络时间隐蔽信道检测

1．4．2网络存储隐蔽信道检测

1．4．3国内外网络隐蔽信道研究现状

1．5 FTP隐蔽信道的检测

1．6论文主要研究内容和结构安排

第2章相关知识

2．1文件传输协议

2．1．1 FTP工作模型

2．1．2 FTP命令

2．2神经网络基础

2．2．1神经元结构

2．2．2前向传播算法

2．2．3反向传播算法

2．3卷积神经网络

2．3．1基本结构

2．3．2卷积层特点

2．3．3卷积方式

2．3．4池化方式

2．4文本分类方法研究

2．4．1朴素贝叶斯分类

2．4．2 SVM分类

2．4．3 CNN分类

2．4．4 RNN分类

2．5本章小结

第3章基于CNN的FTP隐蔽信道检测模型

3．1基于CNN的FTP隐蔽信道检测模型

3．1．1模型设计

3．1．2参数设定

3．1．3模型训练

3．1．4验证方式

3．2训练加速

3．3训练流程

3．4本章小结

第4章实验及结果分析

4．1实验配置

4．1．1运行环境

4．1．2实验数据

4．1．3评价指标

4．2实验过程

4．2．1实验设置

4．2．2实验参数

4．2．3模型调优

4．3实验结果和分析

4．3．1实验结果

4．3．2实验结果分析

4．4本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢