基于声学副信道的个人计算机使用行为的嗅探
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-14页 |
| 1.2.1 副信道攻击窃取信息研究现状 | 第12-13页 |
| 1.2.2 基于声学的行为事件研究现状 | 第13页 |
| 1.2.3 基于声学的人机交互研究现状 | 第13-14页 |
| 1.3 本文的研究内容及贡献 | 第14-16页 |
| 1.4 本文的章节安排 | 第16-17页 |
| 第2章 理论基础 | 第17-25页 |
| 2.1 声学感知 | 第17-21页 |
| 2.1.1 声波和声音 | 第17-18页 |
| 2.1.2 时频特征提取技术 | 第18-19页 |
| 2.1.3 主动感知 | 第19-21页 |
| 2.1.4 被动感知 | 第21页 |
| 2.2 机器学习技术 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于声学副信道的嗅探分析 | 第25-47页 |
| 3.1 系统设计 | 第25-27页 |
| 3.2 数据采集和预处理 | 第27-28页 |
| 3.3 事件检测与提取 | 第28-33页 |
| 3.3.1 动态阈值事件端点检测算法 | 第28-30页 |
| 3.3.2 元事件的声音信号提取算法 | 第30-33页 |
| 3.4 元事件分类识别 | 第33-40页 |
| 3.4.1 层次结构分类器 | 第33-34页 |
| 3.4.2 第一层事件的粗分类 | 第34-36页 |
| 3.4.3 第二层组内事件分类 | 第36-39页 |
| 3.4.4 模型迁移 | 第39-40页 |
| 3.5 基于规则树的多尺度行为嗅探 | 第40-46页 |
| 3.5.1 基于元事件的行为识别分析 | 第40-41页 |
| 3.5.2 计算机使用行为的分类 | 第41-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 实验结果与分析 | 第47-59页 |
| 4.1 实验设置 | 第47-49页 |
| 4.1.1 实验硬件和软件 | 第47-48页 |
| 4.1.2 实验场景设置 | 第48-49页 |
| 4.2 实验结果 | 第49-58页 |
| 4.2.1 元事件识别实验结果 | 第49-54页 |
| 4.2.2 电脑使用行为窃听实验结果 | 第54-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间的研究成果 | 第66页 |
