基于反馈评判的SPIT检测与防范方法

针对全IP融合网络环境下的垃圾语音信息(spam over Internet telephony,SPIT)隐患,提出了一种基于反馈评判的检测与防范方法.该方法引入了终端用户的参与,结合信任与信誉机制,能够简单、高效、无损地利用直接和间接的反馈信息.改进的信任度与信誉度推理算法充分体现了SPIT行为的分布特性并反映了影响评判结果的各因素的权重关系.增量学习算法保证了信任度和信誉度的实时性,融合算法则动态调整了信任度和信誉度在评判中的角色.实验及分析表明上述方法具有较好的准确性和敏感性,能够对SPIT进行有效的检测及防范.     

FMC网络中多层SPIT检测方法研究

针对固定移动融合（FMC）网络环境下的垃圾语音信息（Spam over Internet Telephony,SPIT）隐患,提出了一种多层次的检测方法。该方法首先深入剖析SPIT攻击独有的特点,增强检测的针对性。然后分多个层次进行检测,信令监控算法根据SPIT独有的特点来监控所有SPIT相关的原子信息;统计分析算法对原子信息进行统计,得到具有统计特性的更高语义级别的告警;关联分析算法对告警进行关联,识别出攻击的行为踪迹,重构攻击场景。仿真实验与分析证明了该方法的功能与性能满足SPIT检测的需求。     

以黑白名单建构P2P SIP网络电话的语音广告防堵系统

随着Internet的发展,未来的电信网络将是基于IP技术的网络,而SIP是现代网络标准组织所建议的语音、视频多媒体控制协议的首选.近来发生的SIP攻击事件,使SIP安全性议题浮上台面.将P2P的观念套用到传统的SIP架构上,以期减少传统的SIP架构被攻击之风险.但网络电话的弱点还是会出现在新一代P2P SIP的架构上,如:垃圾广告语音(Spaminternet telephony,SPIT)的插入,由于SPIT问题与通信架构无关,可能会形成垃圾短信泛滥的问题.为此本研究透过P2P SIP架构,建置适合此模式下的网络语音广告防堵系统,可在P2P动态环境下,进行黑白名单同步更新与维护管理.