基于统计模型QQ流媒体语音业务识别研究

论文摘要

随着互联网技术的发展,大量的流媒体应用流行起来,人们已不再满足于通过网络进行纯文本方式的沟通。腾讯QQ作为一款拥有5.3亿注册用户的即时通讯软件,在语音通讯方面其技术也不断有新的突破。由于QQ语音业务量的增大,对其进行准确检测与识别具有重要意义,但传统的基于特定字段匹配的方法比较脆弱,目前并没有很成熟的方法对其进行准确识别。本文针对传统识别方法的不足,设计实现了一种基于业务随机统计特性的识别方法。充分分析了QQ语音业务流量特点并对其源端进行了建模研究。首先,利用QQ语音业务源编码特点,通过采集数据包大小、相邻数据包时间间隔等参数,得出语音数据流量的本质特征,在此基础上使用Bayesian识别法进行检测;其次,针对QQ语音应用中一些非语音数据包的周期性特点,设计实现了“心跳”识别法。两种方法综合使用,可有效的实时检测QQ语音业务流。该识别程序运行在windows操作系统下,使用C语言实现。为验证该识别方案的应用效果,使用了Nistnet网络环境模拟软件,模拟构造了大量不同的网络实验环境。实验结果表明,通过调整一些关键参数,在不同的网络环境下,该识别方法均可取得较为良好的效果。另外,针对QQ语音业务的该检测方法的成功,也为将来可扩展到的对其他应用的准确识别与检测奠定了基础。同时,为了解释该识别方案的不足之处,也对网络编码技术进行了介绍,并说明了网络编码在反检测与网络安全方面所体现的重要作用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景
• 1.1.1 VoIP 技术的发展
• 1.1.2 腾讯 QQ 软件介绍
• 1.1.3 本课题的提出
• 1.2 课题研究现状
• 1.2.1 VoIP 检测技术研究现状
• 1.2.2 QQ 语音检测难点
• 1.2.3 QQ 语音检测发展现状
• 1.3 研究目的和意义
• 1.3.1 VoIP 技术的研究价值
• 1.3.2 实时业务流检测的意义
• 1.3.3 QQ 语音流检测的意义
• 1.4 论文工作及结构安排
• 1.4.1 本文主要工作
• 1.4.2 本文结构安排
• 第二章 业务特性观测实验
• 2.1 基础实验介绍
• 2.1.1 实验目的
• 2.1.2 实验方法
• 2.1.3 实验环境
• 2.2 QQ 语音业务分析
• 2.2.1 QQ 语音源模型及编码
• 2.2.2 相关参数的测量
• 2.2.3 QQ 语音数据格式
• 2.2.3.1 数据包格式
• 2.2.3.2 语音帧格式
• 2.2.4 QQ 探测包和控制信息包
• 第三章 识别系统设计与实现
• 3.1 系统设计思想基础
• 3.1.1 已有业务识别方法分析
• 3.1.1.1 对 VOIP 应用的总体识别
• 3.1.1.2 基于流统计方法的业务识别
• 3.1.1.3 基于净荷深度检测的 QQ 语音识别
• 3.1.2 本课题识别方案设计思想
• 3.2 识别系统方案设计
• 3.2.1 Bayesian 识别法
• 3.2.1.1 Bayesian 判别原理
• 3.2.1.2 参数的选取
• 3.2.1.3 衍生信念值
• 3.2.2 “心跳”识别法
• 3.2.3 综合检测方案设计
• 3.3 识别系统基本信息
• 3.3.1 识别系统运行环境
• 3.3.2 识别系统主要文件
• 3.4 识别系统关键技术
• 3.4.1 网络数据包的截获
• 3.4.2 数据包的处理
• 3.4.3 Bayesian 识别法的实现
• 3.4.4 “心跳”识别法的实现
• 第四章 识别方案验证实验
• 4.1 验证方法介绍
• 4.1.1 实验目的
• 4.1.2 实验方式及环境
• 4.2 关于 Nistnet 网络模拟器的使用
• 4.2.1 Nistnet 软件简介
• 4.2.2 Nistnet 的安装与使用
• 4.3 实验方法与过程
• 4.3.1 实验方法
• 4.3.2 实验过程
• 4.3.2.1 识别参数的确定
• 4.3.2.2 关于误差
• 4.4 实验结论
• 第五章 网络编码技术
• 5.1 网络编码思想的引入
• 5.2 网络编码介绍
• 5.2.1 网络编码理论基础
• 5.2.2 网络编码举例说明
• 5.2.3 COPE 软件介绍
• 5.3 网络编码的影响
• 5.3.1 网络编码对本识别程序的影响
• 5.3.2 网络编码对业务检测的影响
• 5.3.3 网络编码在网络安全方面的作用
• 第六章 结论与展望
• 6.1 全文总结
• 6.2 工作展望
• 6.2.1 下一步可开展工作
• 6.2.2 该研究领域发展趋势
• 参考文献
• 发表论文和参加科研情况说明
• 致谢