[发明专利]基于指纹相似度的设备分类方法

说明书

本发明公开了一种基于指纹相似度的设备分类方法，包括：建立已知的同一类型设备的样本集，提取样本集对应的指纹信息，以得平均相似度和中心点样本指纹集；获取样本集内的每个设备与中心点样本指纹集的相似度，计算每个已知类型设备指纹信息相似度到中心点样本指纹集的相似距离，确定最大相似距离；计算未知类型设备集内每个样本与中心点样本指纹集所在的中心点样本的空间距离，若大于最大相似距离，则样本属于中心点样本集所在的样本类型，否则，样本不属于样本类型，若出现未正确识别样本，重新加入样本集，重新计算中心点样本，以完成自动分类。本发明提高了设备分类的效率和准确性，并避免了因信息发送变化导致的指纹识别失败的问题。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于指纹相似度的设备分类方法。

背景技术

随着对网络安全的日渐深入，对于网络资产的梳理变得越来越重要，其中，包括网络设备的操作系统类型、开放的服务、banner信息、证书信息、使用的中间件、Http响应头信息等多个维度的综合信息描述，对设备进行分类和识别。但是随着网络设备、软件的不断更新，应用层协议指纹更新更是层出不穷，传统的指纹识别大多采用单条件逐个匹配，如果中间某一个信息发生变化，则会导致指纹识别失败，采用基于相似度的分类算法则可解决此问题。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种基于指纹相似度的设备分类方法，提高了设备分类的效率和准确性，并避免了因信息发送变化，导致的指纹识别失败的问题。

为了实现根据本发明的这些目的和其它优点，提供了一种基于指纹相似度的设备分类方法，包括：

步骤1、通过建立已知的同一类型设备的样本集，并提取所述样本集对应的指纹信息，以得到所述指纹信息的平均相似度和中心点样本指纹集。

步骤2、通过获取所述样本集内的每个设备与步骤1所得中心点样本指纹集的相似度，计算每个已知类型设备指纹信息的所述相似度到所述中心点样本指纹集的相似距离，并确定最大相似距离。

步骤3、通过计算未知类型设备集内每个样本与所述中心点样本指纹集的中心点样本的空间距离，与所述最大相似距离进行比较，若大于所述最大相似距离，则所述样本属于所述中心点样本集所在的样本类型，否则，所述样本不属于所述样本类型，若出现未正确识别的样本，则进入步骤4。

步骤4、通过将未正确识别的样本重新加入所述样本集，以重新计算所述中心点样本，重复步骤1-3，以完成自动分类。

优选的是，步骤1中，得到所述指纹信息的平均相似度和中心点样本指纹集的具体方法包括以下步骤：

步骤2.1、通过多个已知的同一类型的设备建立样本集N，提取所述样本集N内每个设备对应的指纹信息。

步骤2.2、通过计算所述样本集N内每个设备指纹信息对应属性的相似度，取所述相似度的平均值作为平均相似度。

步骤2.3、获取所述相似度中与所述平均值接近的多个相似度作为所述中心点样本指纹集。

优选的是，步骤2中，获取所述相似度的具体方法包括以下步骤：

步骤3.1、获取所述样本集内设备对应的多个维度信息，计算与所述中心点样本指纹集的相似度。

步骤3.2、对所述样本集内除所述中心点样本之外的所述设备重复步骤3.1，直至得到除所述中心点样本之外的所有的每个所述设备的相似度。

优选的是，步骤2中，获取所述相似距离的计算方法依据公式1：

公式1

其中，X(i)为样本对应的多个维度信息与所述中心点样本指纹集的相似度；