[发明专利]一种基于序列相似度的加密视频流量内容分析方法

权利要求书

1.一种基于序列相似度的加密视频流量内容分析方法，其特征在于，所述方法为：

从网络中收集有标签的视频流量数据，并进行归类管理，形成视频流量数据库，所述视频流量数据库中包含多条记录；

对于待分析的加密视频流量，通过视频片段序列转化模块，将待分析的加密视频流量转化为视频片段序列；

对所述视频片段序列进行序列相似性分析，首先计算所述视频片段序列与视频流量数据库中每一条记录的莱文斯坦距离，然后选择与所述视频片段序列的莱文斯坦距离越小的一条记录的内容信息作为分析结果；

若所述分析结果在之后得到了验证，则将所述分析结果添加至所述视频流量数据库中；

若所有与视频片段序列计算所得的莱文斯坦距离均不符合经验阈值所确定的同源性条件，则认为所述待分析的加密视频流量的内容信息是视频流量数据库中未曾收录过的。

2.如权利要求1所述的方法，其特征在于，所述从网络中收集有标签的视频流量数据，具体为利用网络嗅探来收集视频流量数据。

3.如权利要求2所述的方法，其特征在于，所述网络嗅探为Scapy。

4.如权利要求1所述的方法，其特征在于，所述视频片段序列转化模块，具体为：

首先，将待分析的加密视频流量分割成多个相同时间的视频片段；

然后，根据TLS协议将每个所述视频片段再分割成多个ApplicationData；

最后，将每个所述视频片段的ApplicationData数量组成不定长序列，得到视频片段序列。

5.如权利要求1所述的方法，其特征在于，所述莱文斯坦距离为lev_a,b(|a|,|b|)，

其中lev_a,b(i,j)是a的前i个字符和b的前j个字符之间的莱文斯坦距离，a为视频片段序列，|a|为视频片段序列长度，b为视频流量数据库中的记录，|b|为记录的长度，是指示函数，当a_i≠b_j是其值为0,，其他情况下值为1。

6.如权利要求1所述的方法，其特征在于，当所述视频流量数据库不足时，使用阈值方法来判定两个待分析的加密视频流量是否属于同一标题的视频源，所述阈值方法为：当两个待分析的加密视频流量的标准化莱文斯坦距离小于预先设定的阈值时，则属于同一个视频源；否则，属于不同的视频源；所述标准化莱文斯坦距离为对所述莱文斯坦距离进行了标准化处理。

7.如权利要求6所述的方法，其特征在于，所述预设的阈值使用伽马分布拟合的方式来确定。

8.如权利要求6所述的方法，其特征在于，对所述标准化莱文斯坦距离为，

其中，LD(a,b)为莱文斯坦距离。

9.一种基于序列相似度的加密视频流量内容分析装置，其特征在于，包括：

数据收集模块，从网络中收集有标签的视频流量数据，并进行归类管理，形成视频流量数据库，所述视频流量数据库中包含多条记录；

视频片段序列转化模块，将待分析的加密视频流量转化为视频片段序列；

序列相似性分析模块，对所述视频片段序列进行序列相似性分析，首先计算所述视频片段序列与视频流量数据库中每一条记录的莱文斯坦距离，然后选择与所述视频片段序列的莱文斯坦距离越小的一条记录的内容信息作为分析结果；

分析结果模块，若所述分析结果在之后得到了验证，则将所述分析结果添加至所述视频流量数据库中；若所有与视频片段序列计算所得的莱文斯坦距离均不符合经验阈值所确定的同源性条件，则认为所述待分析的加密视频流量的内容信息是视频流量数据库中未曾收录过的。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。