[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

说明书

本发明公开了一种基于序列相似度的加密视频流量内容分析方法，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；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。本方法可应用于网络监控中对于非法视频的播放情况的实时监控，对于保障网络空间的内容性安全具有重要意义。

技术领域

本发明属于网络流量检测领域，具体涉及一种基于序列相似度的加密视频流量内容分析方法。

背景技术

随着互联网技术的发展，网络流量呈现爆炸式的增长。与此同时，视频流量在全网总流量中所占比重也越来越大。如何从大量的视频流量中识别出非法的视频内容，是一个重要的研究方向。但以安全传输层协议(Transport Layer Security，TLS)为代表的流量加密技术的广泛应用，视频流量越来越多的采用加密方式进行传输，这给网络监管带来了很大的挑战。

网络视频网站运营者为了提高用户的体验，使用基于HTTP的动态自适应流(Dynamic Adaptive Streaming over HTTP，DASH)机制提高服务质量。DASH基本原理如图1所示，其基本思想是在服务端将视频文件分割成相同时间的视频片段，并使用不同码率进行编码。进行视频传输时，首先服务端向客户端发送MPD描述文件，之后客户端根据网络环境以及用户偏好，向服务端请求不同码率的视频片段，视频传输使用HTTP进行传输。

但是正因为使用了DASH，导致与内容相关视频片段的时序信息遭到泄露。这是因为DASH使用的是可变比特率编码方式，编码后视频片段的大小与视频内容复杂度存在相关性。通过分析视频片段信息，可以实现对加密视频流量的内容识别。

当前虽然有一些加密视频流量分析的相关工作，但是更多是还是集中在对加密视频流量视频参数的识别，其目的是用于将结果反馈给运营商以提高用户体验。对加密视频流量内容分析的工作不足。当前加密视频流量内容分析都是基于有监督分类的技术路线，其识别模型扩展性不够，无法处理未知类型的网络流。

发明内容

为了解决上述问题，本发明设计了一种基于序列相似度的加密视频流量内容分析方法，具体包括：

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。

待分析的加密视频流量的长度是不定的，最终产生的视频片段序列也是不定长的。采用莱文斯坦距离对不定长视频片段序列进行相似性比较，可以实现视频内容相似度的衡量，实现了对加密视频流量的内容分析。