基于深度学习的安卓APP视频枪支检测技术研究

doi:10.3969/j.issn.1671-1122.2016.09.030

信息网络安全 ›› 2016, Vol. 16 ›› Issue (9): 149-153.doi: 10.3969/j.issn.1671-1122.2016.09.030

基于深度学习的安卓APP视频枪支检测技术研究

雷青(), 荆丽桦, 赵德明, 郑继龙

中国科学院信息工程研究所,北京 100093

收稿日期:2016-07-25 出版日期:2016-09-20 发布日期:2020-05-13
作者简介:
作者简介：雷青（1991–）,女,陕西,硕士研究生,主要研究方向为信息安全;荆丽桦（1993–）,女,山西,硕士研究生,主要研究方向为信息安全;赵德明（1986—）,男,河北,博士研究生,主要研究方向为计算机视觉;郑继龙（1990—）,男,辽宁,助理研究员,硕士,主要研究方向为计算机视觉。
基金资助:
国家重点研发计划[016YFB0800403]

Research on the Technology of Gun Detection System for Android APP Videos Based on Deep Learning

Qing LEI(), Lihua JING, Deming ZHAO, Jilong ZHENG

Institute of Information Engineering, Chinese Academy of Sciences, Beijing 100093, China

Received:2016-07-25 Online:2016-09-20 Published:2020-05-13

摘要/Abstract

摘要：

随着移动互联网的飞速发展,基于安卓操作系统的智能终端成为互联网资源最主要流通渠道。由于APP未知应用功能点的不可见性,目前安卓应用商城针对应用程序的功能测试只能采用手工测试,而随着应用数量的快速增长,纯手工测试已经不能满足测试需求。为了进行安卓视频多媒体APP自动监控,净化网络环境,文章提出了一种基于深度学习的安卓APP视频枪支检测方法。该方法突破了从安卓系统底层获取APP视频数据的技术难点,提出了一种基于安卓多媒体框架的视频数据获取方法;针对枪支检测问题,结合深度学习物体检测框架Faster R-CNN,提出了一种局部—整体联合检测方法（Part-Whole-Gun,PWG）,显著提高了枪支的检测精度。通过监控并智能分析安卓APP中的视频数据,对含有枪支的敏感视频进行有效过滤,可有效辅助网络环境的净化。

关键词: 安卓, 视频数据获取, 深度学习, 枪支检测

Abstract:

With the rapid development of the Moblile Internet, Android OS has become the most important internet content delivery channels. Unfortunately, different types of videos, which threaten the stability of the society, appear, due to chaotic APP supervision approaches. In this paper, with the objectives of monitoring the Android video applications automatically and thus purifying the network environment, we proposed a gun detection system, which is based on deep learning, for Android APP videos. By overcoming the difficulty of extracting the APP video data from the bottom layer of the Android system, we designed a new video acquiring approach according to the Android multimedia framework. We also developed a part-whole-gun (PWG) detection method based on the Faster R-CNN framework for object detection. Experimental results demonstrate decent performances for practical test images.

Key words: Android, video data capturing, deep learning, gun detection

中图分类号:

TP309

雷青, 荆丽桦, 赵德明, 郑继龙. 基于深度学习的安卓APP视频枪支检测技术研究[J]. 信息网络安全, 2016, 16(9): 149-153.

Qing LEI, Lihua JING, Deming ZHAO, Jilong ZHENG. Research on the Technology of Gun Detection System for Android APP Videos Based on Deep Learning[J]. Netinfo Security, 2016, 16(9): 149-153.

图/表 6

图1

图2

表1

表2

表3

表4

参考文献 11

[1]	常英贤,陈广勇,石鑫磊,等. 移动网络安全防范技术研究[J]. 信息网络安全,2016(4):76-81.
[2]	孙文涛, 张韬. 移动互联网视听新应用监管技术分析[J]. 广播与电视技术, 2014, 41(9):35-37.
[3]	黄凯奇,任伟强,谭铁牛. 图像物体分类与检测算法综述[J]. 计算机学报,2014,37(6):1225-1240.
[4]	朱晨捷,朱蓉,叶炜. 面向枪支图像的特征提取与识别方法研究[J]. 福建电脑,2014,30(7):5-7.
[5]	TIWARI R K, VERMA G K.A Computer Vision Based Framework for Visual Gun Detection using SURF[C]//IEEE. 2015 International Conference on Electrical, Electronics, Signals, Communication and Optimization (EESCO), January 24-25, 2015, Visakhapatnam, India. New Jersey: IEEE, 2015: 1-5.
[6]	EVERINGHAM M, GOOL L V, WILLIAMS C K I, et al. The Pascal, Visual Object Classes (VOC) Challenge[J]. International Journal of Computer Vision, 2010, 88(2): 303-338.
[7]	REN S, HE K, GIRSHICK R, et al.Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2016(99): 91-99.
[8]	李桂芝,韩臻,周启惠,等. 基于Binder信息流的Android恶意行为检测系统[J]. 信息网络安全,2016(2):54-59.
[9]	GIRSHICK R, DONAHUE J, DARRELL T, et al.Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation[C]//IEEE. 2014 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), June 23-28, 2014, Columbus, USA. New Jersey: IEEE, 2014: 580-587.
[10]	ZHANG Ning, PALURI M, RANZATO M A, et al.Panda: Pose aligned networks for deep attribute modeling[C]//IEEE. 2014 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), June 23-28, 2014, Columbus, USA. New Jersey: IEEE, 2014: 1637-1644.
[11]	朱筱赟,胡爱群,邢月秀,等. 基于Android平台的移动办公安全方案综述[J]. 信息网络安全,2015(1):76-83.

[1]	王蓉, 马春光, 武朋. 基于联邦学习和卷积神经网络的入侵检测方法[J]. 信息网络安全, 2020, 20(4): 47-54.
[2]	谢永恒, 冯宇波, 董清风, 王梅. 基于深度学习的数据接入方法研究[J]. 信息网络安全, 2019, 19(9): 36-40.
[3]	马春光, 郭瑶瑶, 武朋, 刘海波. 生成式对抗网络图像增强研究综述[J]. 信息网络安全, 2019, 19(5): 10-12.
[4]	方勇, 朱光夏天, 刘露平, 贾鹏. 基于深度学习的浏览器Fuzz样本生成技术研究[J]. 信息网络安全, 2019, 19(3): 26-33.
[5]	朱海麒, 姜峰. 人工智能时代面向运维数据的异常检测技术研究与分析[J]. 信息网络安全, 2019, 19(11): 24-35.
[6]	秦中元, 张峻瑞, 张群芳, 宋志勇. 基于Inject和Hook的安卓终端管控技术[J]. 信息网络安全, 2018, 18(9): 66-73.
[7]	段大高, 谢永恒, 盖新新, 刘占斌. 基于神经网络的微博虚假消息识别模型[J]. 信息网络安全, 2017, 17(9): 134-137.
[8]	任浩, 罗森林, 潘丽敏, 高君丰. 基于图结构的文本表示方法研究[J]. 信息网络安全, 2017, 17(3): 46-52.
[9]	张涛, 裴蓓, 文伟平, 陈钟. 一种安卓平台下提权攻击检测系统的设计与实现[J]. 信息网络安全, 2016, 16(2): 15-21.
[10]	林佳萍, 李晖. 安卓恶意软件检测研究综述[J]. 信息网络安全, 2016, 16(10): 80-88.
[11]	崔鹏飞, 裘玥, 孙瑞. 面向网络内容安全的图像识别技术研究[J]. 信息网络安全, 2015, 15(9): 154-157.
[12]	杨刚, 温涛, 张玉清. Android漏洞库的设计与实现[J]. 信息网络安全, 2015, 15(9): 240-244.
[13]	贾菲;刘威. 基于Android平台恶意代码逆向分析技术的研究[J]. , 2012, 12(4): 0-0.
[14]	张婷;张辉极. 智能手机安全问题及防护技术分析[J]. , 2011, 11(12): 0-0.

基于深度学习的安卓APP视频枪支检测技术研究

Research on the Technology of Gun Detection System for Android APP Videos Based on Deep Learning

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 11

相关文章 14

编辑推荐

Metrics

本文评价