2024年全国大学生信息安全竞赛作品赛
- **基于CSI 信号的抵近人员感知与预警技术：**利用无线网络中的信道状态信息（CSI）来感知监测区域内的人员活动。
- **抗CSI窃听分析的室内情境隐私保护技术：**利用基于MIMOCrypt 的双AP 加密混淆隐私保护框架，通过在室内部署AP 设备，这些设备能够利用MIMO 技术对用户发出的信道矩阵进行加密并发射干扰信号
- **隐私保护的行为追溯与审计技术：**使用预训练的CSI 人体行为识别模型，本系统能够对触发警报的恶意人员行为进行识别，这些识别信息为行为记录和报警等审计活动提供了关键支持。
- **客户端：**使用Qt编写客户端，能够按照日期与动作进行查询审计。
- 防护器运行脚本：
\protect_device\encrpt - CSI数据存储目录：
\data\ - 数据预处理：
\data_preprocess\ - 模型训练：
attack_model_training：用于训练CSI人体骨架分析模型，可用于攻击。detection_model_training：用于训练CSI人体行为识别模型，用于行为追溯。
- 运行脚本：
malicious_detection：恶意行为探测的执行脚本。
- 客户端：
\log\：存放Qt客户端源代码。log_boxed.exe：Windows端的追溯审计客户端。
- 测试：
test.bat文件
前提说明：
- 需要安装好matlab，并将其添加至环境变量 Path 中
- 需要按照requirement.txt安装依赖包
pip install -r requirements.txt
直接运行：
运行目录下test.bat文件进行测试。
具体过程：
- 使用发射器与接收机进行WiFi数据包抓取，得到
example.pcap文件。 - 利用
data_preprocess/csireader.m处理脚本，获得data/example.csv。 - 运行
python3 malicious_detection.py，数据将存储到output/log.txt中。 - 使用
log_boxed.exe进行查看。