[发明专利]基于网络流量特征融合的物联网设备身份凭证生成方法

权利要求书

1.基于网络流量特征融合的物联网设备凭证生成方法，其特征在于：具体包括以下步骤：

步骤1、构建与物联网设备身份识别有关的网络流量指纹特征集合：从设备网络协议栈指纹特征、设备网络数据序列特征、以及设备网络数据协议特征三个维度提取特征，通过特征融合构建指纹特征集合；

所述的特征融合构建指纹特征集合，其方法为：对设备网络协议栈指纹特征、设备网络数据序列特征、以及设备网络数据协议特征三个维度提取的特征进行最小-最大归一化处理，再合并构成向量集合作为该物联网设备的设备指纹特征数据集合；

步骤2、在步骤1构建的指纹特征集合中进行最优特征选择：利用特征和终端间的相关特性对特征进行筛选排序，采用最大相关最小冗余特性实现与终端设备类型识别有关的最优特征选择；具体包括如下子步骤：

步骤2.1：采集物联网设备的网络流量数据作为原始数据集D、按照步骤1的设备指纹特征数据集合提取方法从原始数据集D中得到原始特征集F，将物联网设备标识作为标签集C，将最终生成的最优特征集定义为S；

步骤2.2：初始化最优特征集S：首先将S设为空集，计算原始特征集F里每一个特征的互信息p(fc)为联合概率密度函数，p(f)和p(c)为边缘概率密度函数；

选择和标签集C相关性最大的特征变量记为f_max，存入S集合；同时将f_max从集合F中去除；

步骤2.3：使用贪婪搜索方法寻找符合要求的下一个特征：

1)遍历集合F中的所有特征，计算该特征与标签集C的相关性，以及与集合F内其他特征之间两两间冗余性，得到f_max；

f_max表示与标签集合C相关性最大，同时与F集合内其他元素的冗余性最小的特征；其中H(f_j)＝-p(f_j)lbp(f_j)定义为变量f_j的信息熵，为变量f_j在集合C下的条件熵；

2)将f_max加入到集合S中，并将其从集合F中剔除；

遍历步骤1)-2)直到集合F为空，输出子集S；

步骤3、对步骤2所提取的最优特征集进行进一步降维处理，生成最终的物联网设备身份凭证：采用主成分分析法对特征子集进行降维处理，消除特征数据的冗余特性，生成低维度数据集合作为物联网终端的身份凭证；具体包括如下子步骤：

步骤3.1：从原始数据集D中根据步骤2得到的最优特征集S进行特征提取得到训练样本子集合X；

步骤3.2：求出训练样本的均值：

m表示样本的个数；

步骤3.3：计算协方差矩阵C：求出协方差矩阵C的特征值和特征向量，[λ₁，λ₂，...，λ_n]是将特征值数值按从大到小的顺序排列，V＝[v₁，v₂，...，v_n]是不同特征值对应的特征向量，则协方差矩阵C表示为：

步骤3.4：获取特征主成分：选取前d个最大的特征值对应的特征向量，构成新的特征向量矩阵U_n×d＝[u₁，u₂...，u_d]，它的各列称为特征矢量，结合数据阵X得到P＝U^TX，我们把P的各行称作数据X的主分量，其中P₁为第一主分量，P₂为第二主分量，以此类推；

步骤3.5：对样本进行白化处理，白化矩阵其中∧为特征值的降序排列，将矩阵E扩展为方阵，将数据阵X右乘白化矩阵，最终得到的白化后的矩阵为：

Z是白化后的数据阵；

步骤3.6：生成最终的低维度数据集合作为物联网终端的身份凭证Y，公式如下：

在设备验证阶段，将生成的凭证Y送入机器学习算法中进行分类识别，从而识别出设备的身份。