基于同时观测延迟容忍相似性的隐藏网络摄像头检测

小型、低成本、无线摄像头正变得日益普遍，使得对人员的秘密观测更难以检测。先前关于隐藏摄像头检测的工作仅涉及用户在环境中具有显著控制力的小空间中的有限环境。为了在约束更少的环境范围内解决此问题，我们引入同时观测相似性的概念，其中用户利用一个摄像头（Wi-Fi 摄像头、手机或笔记本上的摄像头）来比较潜在隐藏摄像头所传输数据的时序模式与已知摄像头所录制场景预期的时序模式。为分析这些模式，我们应用了若干相似性度量，并使用高效的基于阈值的分类展示了超过 87% 的准确率与 0.88 的 F1 分数。我们使用自己的数据集训练了一个神经网络，并看到改进的结果：在室内与室外设置下准确率高达 97%，F1 分数超过 0.95。我们进一步将此项工作扩展到能够延迟发送视频的攻击者情形。采用新方法后，我们对原始数据与延迟数据的 F1 分数均提升至 0.98 以上。由这些结果我们得出结论：同时观测相似性是一种可行的检测正在对用户流式传输视频的隐藏无线摄像头的方法。我们的工作消除了先前检测方法所受到的显著限制。