[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

说明书

本发明提供了一种基于网络流量特征融合的物联网设备凭证生成方法，属于物联网设备身份识别技术领域。该方法首先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构建与设备身份识别相关的指纹特征集合；接着利用特征和终端间的相关特性对特征进行筛选得到最优特征集；最后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，生成终端指纹凭证。本发明可以从物联网设备的网络流量数据中提取到设备识别时所需的准入凭证所需凭据，该凭证与物联网设备的物理特性相关，可以有效识别假冒设备。

技术领域

本发明属于物联网设备接入控制技术领域，尤其涉及基于网络流量特征融合的物联网设备凭证生成方法。

背景技术

现有的物联网终端设备存在设备接入时身份认证和访问控制等安全问题。传统的身份认证技术需要基于身份证书实现身份唯一识别和合法性判别，这就要求在所有合法终端设备上部署身份证书。由于大部分终端不能提供硬件或者证书形式的身份凭证实现身份识别功能，同时终端种类繁多，数量庞大，平台不一，软硬件环境封闭，在可预见的未来实现统一身份证书并不具备可行性。因此需要在不改动终端内部架构的基础上实现无证书的身份自动识别。目前现场采用的MAC/IP地址识别技术并不能安全可靠的实现对终端设备的唯一识别，无法区分仿冒设备和连接。

基于网络流量特征指纹识别是指通过提取物联网设备网络流量里与设备个体有关的数值作为设备特征进行设备识别的技术。依据流量数据的获取方式为主动探测或者被动监控，设备指纹技术可分为主动和被动两种方式。相比与依赖于强大的加密协议或复杂的认证机制的传统设备认证方式，设备指纹技术实现简单且可靠性较强，更适用于物理和计算资源均有限的物联网设备。此外，许多传统的物联网设备由于系统封闭并且程序固化，无法通过后续软件更新或补丁操作添加身份认证机制实现安全的设备接入控制，而特征指纹识别技术可弥补这方面的不足。

随着人工智能领域的发展，机器学习方法已逐渐应用于设备指纹技术。所谓分类，简单来说，就是根据文本的特征或属性，划分到已有的类别中。常用的分类算法包括：决策树分类法，朴素的贝叶斯分类算法(native Bayesian classifier)、基于支持向量机(SVM)的分类器，神经网络法，k-最近邻法(k-nearestneighbor，knn)，模糊分类法等等。

目前，基于网络流量特征的设备识别问题已经有了很大的发展，但是现有的机器学习方法往往存在识别精度不高的问题。因此，如何从硬件特征、网络协议以及网络行为等维度对终端设备进行多维度信息提取和融合，从而形成与设备类型唯一相关的终端分类标识信息和设备个体唯一相关的终端身份标识信息，是目前研究的难点之一。现有技术尚未能解决这个问题。

发明内容

为了克服现有物联网终端设备接入时存在假冒设备伪装身份的问题，本发明提供一种基于网络流量特征融合的物联网设备身份凭证生成方法，由于该凭证与物联网设备的物理特性相关，因此可用于解决物联网环境下假冒设备接入的情况。

为了达到上述目的，本发明提供如下技术方案：

基于网络流量特征融合的物联网设备身份凭证生成方法，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。具体包括以下步骤：